Dimensioneel modelleren.182.

Data warehouse of database? Wat is handig; ster, snowflake of data vault? Welke dimensies kies je om een workload effectief te kunnen verwerken? Hoe kom je van ERD naar een ster model of snowflake model?

We behandelen fundamentele kennis over multidimensional modelleren, hoe je dat herkent in normale source data modellen en hoe je dat omzet naar dimensionale data modellen voor je data marts.
Eindgebruikers of front-end Business Intelligence gebruikers zoals mensen die met Power BI werken om tabellen aan elkaar te knopen en stermodellen aan te maken, zouden hun modellen moeten baseren op de BI rapportage vraag, we noemen dit de WorkLoad.
De workload van eindgebruikers bepaalt welke dimensies je in een data warehouse of data mart wilt gebruiken en of je bepaalde dimensies wilt hergebruiken bij verschillende data marts c.q. business processen.

Literatuur;
- Multidimensional data bases & Data Warehousing (jense/pedersen)

Inhoud:

• Wat zijn dimensies?
• Wat zijn facts?
• Verschil tussen ROLAP , HOLAP en MOLAP
• Hyper cube dimensional models (MOLAP)
• Wat is een workload van een gebruiker?
• Waarom is workload van belang bij dimensional modeling?
• Wat zijn feiten, en hoe herken ik deze?
• Wat meet ik bij een feit?
• Zijn feiten zonder meetwaarden ook interessant?
• Hoe zijn feiten en dimensies gekoppeld?
• Welke feiten zijn voor belang voor beslissers of andere BI gebruikers?
• Hoe bepaal ik welke dimensies belangrijk zijn?
• Hoe bepaal ik de fijnmazigheid voor een dimensie?
• Wat is een attribute tree?
• Wat is pruning & grafting?
• Hoe kan ik een normaal ERD omzetten naar een dimensionaal model?
• Wat is een hiërarchie in een dimensie?
• Wat is een outrigger en hoe pas ik die toe in dimensies?
• Hoe implementeer ik veel-op-veel relaties in een dimensie?
• Wat zijn shared dimensies of shared hiërarchieën?
• Hoe implementeer ik recursieve relaties in een dimensie?
• Wat is conformance in een dimensie?
• Neem ik ook beschrijvende kenmerken op in een dimensie, en welke dan?
• Gebruik ik degenerated dimensies of een junk dimensie?
• Wat zijn ragged dimensions?
• Wat betekent drill down, en roll up?
• Wat is pivoting op een multi dimensional database?
• Wat zijn primairy events?
• Wat zijn secundary events?
• Wat zijn surrogate keys, primary keys, business keys en vreemde sleutels?
• Hoe ga ik om met historie?
• Slowly changing dimensions (SCD), welke zijn er?
• Wanneer gebruik je welk soort SCD?
• Hoe implementeer je historie?
• Welke soort queries gebruiken historie?

Doelgroep:
Voor beginners op het gebied van data management, data modeling en business intelligence en die willen weten wat een data warehouse is en doet en hoe je dit kunt toepassen in organisaties. Bijvoorbeeld Young Professionals binnen de IT en IT'ers die zich in BI willen verbreden.

Voorkennis:
Geen, het is een HBO niveau training.

Doelstelling:
De deelnemer krijgt kennis, inzicht en basisvaardigheden in het dimensioneel modelleren van data warehouses of data marts en begrijpt dat juiste dimensies van belang zijn om de BI rapportagevraag te kunnen ondersteunen. De deelnemer weet hoe bij de BI front-end de juiste dimensies te definiëren m.b.t. data marts om aan een rapportage-vraag te kunnen voldoen. 

Uitvoering:
2 dagen, klassikaal, eens in de week een lesdag. Online uitvoering kan ook.

Investering training:
Zie de kostenspecificatie. Niet inbegrepen zijn kosten voor materialen, catering, eventuele lunches, examen.

Examen:
Na de cursus kan men het examen Dimensional Modeling Foundation afleggen. Maximaal 90 minuten, 40 vragen, meerkeuze, open boek.

* the Dimensional Modeling Foundation assessment is fully owned and maintained by the business & IT exams association.