Modèle unidimensionnel classique
Loading

Modèle unidimensionnel classique

La modélisation dimensionnelle est une compétence précieuse à apprendre. Je trouve aussi le processus pour être amusant-presque comme assembler des pièces dans un puzzle de données-pivoting, trancher et dicter des données. Puisque les intégrateurs de système tentent désespérément de trouver le talent qui sait développer de bons modèles de données dimensionnels pour des projets OLAP, prenant le temps de creuser dedans et d`apprendre qu`il pourrait être un bon investissement de votre temps. Des instructions détaillées, étape par étape, des processus de modélisation dimensionnelle et des exemples sont disponibles dans la modélisation dimensionnelle IBM Redbook: dans un environnement Business Intelligence. C`est la ressource #1 que je fais référence aux débutants à télécharger et à lire depuis qu`il est gratuit. Au fur et à mesure que vous concevez votre modèle dimensionnel, vous développera une matrice de bus de dimensions «conformées»/partagées entre plusieurs zones de l`entreprise. La matrice de bus permet de vous assurer de construire un modèle qui peut être élargi ultérieurement pour éviter de créer un rapport “silo” qui ne fonctionne que pour une zone ou cas d`utilisation. Plusieurs grands leaders de l`intégration de systèmes de Conseil d`entreprise dans mon réseau ont confirmé une résurgence de la demande pour OLAP et les compétences de modélisation dimensionnelle connexes. Les modèles de conception de modélisation dimensionnelle sont toujours utilisés aujourd`hui avec de petites données, des données moyennes et même avec le Big Data OLAP sur les implémentations Hadoop. Je vais partager des conseils pour OLAP sur Hadoop la semaine prochaine.

Cette semaine, profitons d`une petite explosion de modélisation dimensionnelle du passé. Quand je parle à des pairs de mise en œuvre, il semble que les classiques de Ralph Kimball “dissolvants d`objection” à partir de 2005 pourrait encore être vrai 12 ans plus tard, malgré les progrès dans l`accélération GPU et l`informatique en mémoire. Certes, j`ai testé et déployé des solutions qui ne nécessitent pas l`historique OLAP/modélisation dimensionnelle niveau d`effort. Je sais que l`entrepôt de données n`est pas encore mort… OLAP non plus. Dans la littérature, comme dans la vie, les gens voient souvent la croissance, le changement, et le conflit interne effectué en un seul caractère. Le terme caractère unidimensionnel dans une revue de livre ou une histoire se rapporte à un personnage qui manque de profondeur et qui ne semble jamais apprendre ou grandir. Quand un personnage est unidimensionnel, il ou elle ne démontre pas un sens de l`apprentissage au cours d`une histoire. Les auteurs peuvent utiliser un tel caractère pour mettre en évidence un certain trait, et généralement, il est indésirable. L`une des histoires de science-fiction les plus annonçaient concernant la dimensionnalité géométrique véritable, et souvent recommandé comme point de départ pour ceux qui commencent juste à enquêter sur de telles questions, est le 1884 Novella Flatland par Edwin A.

Abbott. Isaac Asimov, dans son préface à l`édition de signet Classics 1984, a décrit Flatland comme «la meilleure introduction on peut trouver dans la manière de percevoir des dimensions.» Mes ressources préférées pour la modélisation dimensionnelle comprennent IBM Redbooks gratuit et les ressources du groupe Kimball. Si vous êtes assez chanceux pour prendre une des classes de Kimball, faites-le! Alors que probablement 98% de tous les éléments de données sont soigneusement séparés en des faits ou des attributs de dimension, il y a un solide 2% qui ne rentrent pas si proprement dans ces deux catégories.