🥇Andmete vitriinid DATA VAULT

Eelmistes artiklites, tutvustasime DATA VAULT'i aluseid, DATA VAULT'i laiendamist analüüsile sobivasse seisundisse ja BUSINESS DATA VAULT'i loomist. On aeg lõpetada sari kolmanda artikliga.

Nagu ma eelnevas mainisin väljaandmise, on see artikkel pühendatud BI teemale, täpsemalt DATA VAULT'i ettevalmistamisele BI andmeallikana. Vaatame, kuidas luua faktide ja mõõtmete tabelid ning seeläbi luua tähe skeem.

Kui ma alustasin ingliskeelsete materjalide uurimist DATA VAULT'i andmevitriinide loomisest, tekkis mul tunne, et protsess on piisavalt keeruline. Kuna artiklid on mahukad, sisaldavad nad viiteid terminoloogilistele muudatustele, mis on tekkinud Data Vault 2.0 metoodikas, ja rõhutavad nende määratlemise tähtsust.

Kuid süvenedes tõlkesse, sai selgeks, et see protsess pole sugugi nii keeruline. Kuid võib-olla teil kujuneb välja teine arvamus.

Nii et liigutame edasi tuumani.

Mõõtmete ja faktide tabelid DATA VAULT'is

Kõige keerulisem arusaamine on järgmine:

Mõõtmete tabelid on rajatud hubide ja nende satelliitide teabele;
Faktide tabelid on rajatud linkide ja nende satelliitide teabele.

Ja see on ilmne pärast artikli lugemist DATA VAULT'i alustest. Hubid salvestavad ainulaadsed võtmed äriesemetest, nende sateellid sisaldavad äriesemete atribuutide seisundeid, mis on ajaga seotud; linkidega seotud satelliidid, mis toetavad tehingute salvestamist, salvestavad nende tehingute numbrilised omadused.

Teooria sellega põhimõtteliselt lõppeb.

Kuid siiski arvan, et on oluline märkida paar mõistet, mis võivad esineda DATA VAULT'i metoodikat käsitlevates artiklites:

Raw Data Marts – „toore“ andmete vitriinid;
Information Marts – teavevitriinid.

Mõisted „Raw Data Marts“ tähendavad vitriine, mis on rajatud DATA VAULT'i andmetele, sooritades piisavalt lihtsaid JOIN'e. „Raw Data Marts“ lähenemine võimaldab paindlikult ja kiiresti laiendada andmeladu analüüsiks sobiva teabega. Selline lähenemine ei eelda keeruliste andmete transformatsioonide ning ärireeglite täitmist enne vitriini paigutamist, kuid andmed „Raw Data Marts'is“ peavad olema ärikasutajale arusaadavad ja luua aluse edasiseks töötlemiseks, näiteks BI tööriistadega.

Mõisted “Information Marts” tuli esile Data Vault 2.0 metodoloogias, asendades vana mõiste “Data Marts”. See muudatus tuleneb arusaamast, et andmemudeli elluviimise eesmärk aruannete koostamiseks on andmete muutmine informatsiooniks. “Information Marts” schema peaks esmajärjekorras tagama, et ettevõttel on otsuste tegemiseks sobiv teave.

Piisavalt sõnaselged määratlused peegeldavad kahte lihtsat fakti:

Tüüpi “Raw Data Marts” vitriinid põhinevad toorandmete (RAW) DATA VAULT'il, andmesalvestusel, mis sisaldab ainult baasmõisted: HUBS, LINKS, SATELLITES;
Vitriinid “Information Marts” ehitatakse kasutades BUSINESS VAULT elemente: PIT, BRIDGE.

Kui vaatame näiteks töötaja teabe salvestamise näiteid, siis võib öelda, et vitriin, mis näitab töötaja praegust (tänast) telefoninumbrit — see on tüüp “Raw Data Marts” vitriin. Sellise vitriini loomiseks kasutatakse töötaja äri võtme ja funktsiooni MAX(), mis on rakendatud satelliidi laadimise kuupäevale (MAX(SatLoadDate)). Kui on vajalik säilitada ajaloo muutus vitriinis — on oluline mõista, kui kaua telefon oli kehtiv, selle tabeli peamiseks võtmekomponendiks on äri võti koos laadimiskuupäevaga satelliidis, samuti lisatakse kehtivuse lõppkuupäev.

Vitriini loomine, mis salvestab iga atribuudiga seotud mitme satelliidi ajakohast teavet, näiteks telefoninumber, aadress, nimi, eeldab PIT tabeli kasutamist, mille kaudu on lihtne saada kõik kehtivuse kuupäevad. Selliseid vitriine peetakse “Information Marts” tüüpi vitriinideks.

Mõlemad lähenemisviisid on asjakohased nii mõõtmete kui ka faktide jaoks.

Mitme linkide ja hubide teabe salvestamiseks mõeldud vitriinide loomiseks võib kasutada BRIDGE tabelite abil.

Selle artikliga lõpetan DATA VAULT kontseptsiooni tsükli, loodan, et jagatud teave on kasulik teie projektide elluviimisel.

Nagu alati, lõpuks, mõned kasulikud lingid: