Nell'articolo precedente , abbiamo esplorato le basi del DATA VAULT, l'espansione del DATA VAULT in uno stato più analitico e la creazione di un BUSINESS DATA VAULT. È tempo di concludere la serie con il terzo articolo.
Come annunciato nel precedente , questo articolo sarà dedicato al tema della BI, più precisamente, alla preparazione del DATA VAULT come fonte di dati per la BI. Esploreremo come creare tabelle dei fatti e delle dimensioni, e così facendo, creare uno schema a stella.
Quando ho iniziato a studiare materiali in inglese sulla creazione di vetrine dati sopra il DATA VAULT, ho avuto la sensazione che il processo fosse piuttosto complesso. Poiché gli articoli sono di notevole lunghezza, ci sono riferimenti ai cambiamenti terminologici emersi nella metodologia Data Vault 2.0, e viene sottolineata l'importanza di queste formulazioni.
Tuttavia, approfondendo la traduzione, è diventato chiaro che questo processo non è poi così difficile. Ma, forse avrete un'opinione diversa.
Quindi, passiamo al nocciolo della questione.
Tabelle delle dimensioni e dei fatti nel DATA VAULT
L'informazione più complessa da comprendere:
- Le tabelle delle dimensioni si basano sulle informazioni dei hub e dei loro satelliti;
- Le tabelle dei fatti sono costruite sulle informazioni dei link e dei loro satellite.
E questo è evidente dopo aver letto l'articolo su . I hub conservano le chiavi uniche degli oggetti aziendali, i loro satelliti rappresentano gli stati degli attributi degli oggetti aziendali legati al tempo, i satelliti legati ai link che supportano le transazioni memorizzano le caratteristiche numeriche di queste transazioni.
Qui la teoria, in linea di massima, si conclude.
Tuttavia, ritengo sia importante sottolineare un paio di concetti che potrebbero apparire negli articoli sulla metodologia DATA VAULT:
- Raw Data Marts – vetrine di dati 'grezzi';
- Information Marts – vetrine informative.
Il concetto di "Raw Data Marts" si riferisce a vetrine costruite sui dati del DATA VAULT tramite l'esecuzione di JOIN semplici. L'approccio "Raw Data Marts" consente di espandere in modo flessibile e rapido il progetto del magazzino con informazioni adatte all'analisi. Questo approccio non prevede complessi trasformazioni dei dati e l'applicazione di regole aziendali prima di essere inseriti nella vetrina; tuttavia, i dati "Raw Data Marts" devono essere comprensibili per l'utente aziendale e servire come base per ulteriori trasformazioni, ad esempio, tramite strumenti di BI.
Il concetto di "Information Marts" è emerso nella metodologia Data Vault 2.0, sostituendo l'anziano concetto di "Data Marts". Questa modifica è dovuta alla consapevolezza della necessità di implementare un modello di dati per creare report come trasformazione dei dati in informazioni. Lo schema "Information Marts" deve, prima di tutto, fornire informazioni utili per il business nella presa di decisioni.
Definizioni piuttosto prolisse riflettono due fatti semplici:
- Le vetrine del tipo "Raw Data Marts" sono costruite su RAW DATA VAULT, un magazzino che contiene solo concetti di base: HUBS, LINKS, SATELLITES;
- Le vetrine “Information Marts” sono costruite utilizzando elementi del BUSINESS VAULT: PIT, BRIDGE.
Prendendo come esempio la memorizzazione delle informazioni sui dipendenti, si può dire che la vetrina che mostra il numero di telefono attuale (in vigore) di un dipendente è una vetrina di tipo “Raw Data Marts”. Per formare una tale vetrina si utilizza la chiave aziendale del dipendente e la funzione MAX(), applicata all'attributo della data di caricamento nel satellite (MAX(SatLoadDate)). Quando è necessario memorizzare la storia delle modifiche di un attributo nella vetrina, si deve considerare da quale a quale data il telefono è stato attivo; la chiave primaria di una tale tabella sarà la compilazione della chiave aziendale e della data di caricamento nel satellite, aggiungendo anche un campo per la data di fine del periodo di validità.
La creazione di una vetrina che memorizza le informazioni attuali di ogni attributo di più satelliti che entrano nell'hub, ad esempio, numero di telefono, indirizzo, nome e cognome, implica l'uso di una tabella PIT, attraverso la quale è facile ottenere tutte le date di validità. Le vetrine di questo tipo sono classificate come “Information Marts”.
Entrambi gli approcci sono applicabili sia per le misure che per i fatti.
Per creare vetrine che memorizzano informazioni su più link e hub, è possibile utilizzare le tabelle BRIDGE.
Con questo articolo concludo il ciclo sulla concezione del DATA VAULT. Spero che le informazioni condivise possano essere utili per la realizzazione dei vostri progetti.
Come sempre, alla fine, alcuni link utili:
- Kenta Graziano, che contiene oltre a una descrizione dettagliata anche schemi del modello;
- Libro: “Building a Scalable Data Warehouse with DATA VAULT 2.0”;
- ;
- .
Fonte: habr.com
