Datu vitrīnas DATA VAULT

Iepriekšējās rakstos, mēs iepazināmies ar DATA VAULT pamatiem, DATA VAULT paplašināšanu līdz analīzei piemērotai stāvoklim un BUSINESS DATA VAULT izveidi. Ir pienācis laiks noslēgt sēriju ar trešo rakstu.

Kā es paziņoju iepriekšējā ), dažādās ekonomiskās sistēmās — tāpat kā monētas izmēģinājumos — tiek novērots zināms likumsakarīgs varbūtību iznākums izdevumiem. Un šo empīrisko izdevumu sadalījumu ir ārkārtīgi interesanti attēlot kā Lorenca diagrammu (skat. ilustrāciju zemāk "Uzņēmuma izdevumos"). Ar dažām nenozīmīgām novirzēm no tās aproksimācijas šī līkne kļūst par loka arku (labā apakšējā ceturksnī). Plašs statistikas analīzes izdevumu sadalījumā liecina par augstu loka arkas reproducējamību dažādās ekonomikas jomās (atkal skat. iepriekšējo publikāciju). Un esošā izdevumu sadalījuma tuvība šim etalona ļauj spriest par apspriestās ekonomiskās sistēmas "veselību". Ar "veselību" šeit jāsaprot sistēmas izdzīvošana un tās attīstības spēja., šis raksts būs veltīts BI tēmai, precīzāk, DATA VAULT sagatavošanai kā datu avotam BI. Apskatīsim, kā izveidot faktu un dimensiju tabulas, un tādējādi izveidot zvaigžņu shēmu.

Kad es sāku pētīt angliski rakstītos materiālus par datu vitrīnu izveidi virs DATA VAULT, man radās iespaids par procesa sarežģītību. Tā kā raksti ir iespaidīga apjoma, tur ir atsauces uz formulējumu izmaiņām, kas radušās Data Vault 2.0 metodoloģijā, tiek norādīta šo formulējumu nozīmīgums.

Tomēr, padziļinoties tulkojumā, kļuva skaidrs, ka šis process nav tik sarežģīts. Bet, iespējams, jums būs cita viedokļa.

Tātad, ķeramies pie lietas.

Dimensiju un faktu tabulas DATA VAULT

Visgrūtāk saprotamā informācija:

• Dimensiju tabulas veidojas, pamatojoties uz hubu un to satelītu informāciju;
• Faktu tabulas balstās uz linku un to satelītu informāciju.

Un tas ir acīmredzami, pēc raksta izlasīšanas par DATA VAULT pamatiem. Hubi glabā unikālos biznesa objektu atslēgas, to satelīti glabā biznesa objektu atribūtu stāvokļus, kas piesaistīti laikam, satelīti, kas piesaistīti linkiem, kas atbalsta transakcijas, glabā šo transakciju skaitliskās īpašības.

Uz šo teorija, principā, beidzas.

Bet, manuprāt, ir nepieciešams atzīmēt dažas jēdzienus, kas var parādīties rakstos par DATA VAULT metodoloģiju:

• Raw Data Marts – “neapstrādāto” datu vitrīnas;
• Information Marts – informācijas vitrīnas.

Jēdziens “Raw Data Marts” nozīmē vitrīnas, kas veidotas, pamatojoties uz DATA VAULT datiem, veicot salīdzinoši vienkāršus JOIN'us. Raw Data Marts pieeja ļauj elastīgi un īsā laikā paplašināt projektu ar informāciju, kas piemērota analīzei. Šāda pieeja nenozīmē sarežģītu datu transformāciju veikšanu un biznesa noteikumu izpildi pirms ievietošanas vitrīnā, tomēr “Raw Data Marts” dati ir jābūt saprotamiem biznesa lietotājam un kalpo kā bāze turpmākai transformācijai, piemēram, BI rīku palīdzību.

Koncepts “Information Marts” radās Data Vault 2.0 metodoloģijā, aizstājot iepriekšējo terminu “Data Marts”. Šī izmaiņa ir saistīta ar izpratni par datu modeļa īstenošanas uzdevuma nepieciešamību, lai veidotu pārskatus kā datu pārvēršanu informācijā. “Information Marts” shēmai primāri jānodrošina uzņēmumam lēmumiem pieņemšanai derīga informācija.

Pietiekami vārdiski definējumi atspoguļo divus vienkāršus faktus:

1. Tīkla veidi “Raw Data Marts” tiek veidoti uz neapstrādātiem (RAW) DATA VAULT, glabāšanā ietilpst tikai pamattermini: HUBS, LINKS, SATELLITES;
2. Tīkla “Information Marts” tiek veidoti, izmantojot biznesa vault elementus: PIT, BRIDGE.

Ja ņemam piemēru par darbinieka informācijas glabāšanu, var teikt, ka tīklas, kas attēlo pašreizējo (derīgo uz šodienu) darbinieka tālruņa numuru – tas ir typa “Raw Data Marts”. Šāda tīkla veidošanai tiek izmantots darbinieka biznesa atslēga un MAX() funkcija, ko izmanto datu atribūtu augstnes datu slodzes datumā (MAX(SatLoadDate)). Kad ir nepieciešams uzglabāt vēsturi, ja mainās atribūta vērtība tīklā - jāzina, no kāda līdz kuram datumam tālrunis bija derīgs, primārā atslēga šādai tabulai būs biznesa atslēgas un augstnes datu slodzes datuma kombinācija, kā arī perioda beigu datuma lauks.

Tīkla izveidošana, kur glabājas aktuāla informācija par katru atribūtu no vairākiem augstņiem, kas ietilpst hubā, piemēram, tālruņa numurs, adrese, vārds un uzvārds, prasa PIT tabulas izmantošanu, ar kuras palīdzību viegli iegūt visas derīguma datumu. Šādu tīklu klasificē kā “Information Marts”.

Abi pieejas ir aktuālas gan mēriem, gan faktiem.

Lai izveidotu tīklus, kas glabā informāciju par vairākiem linkiem un hubiem, var tikt izmantota BRIDGE tabulu pieeja.

Ar šo rakstu es noslēdzēju ciklu par DATA VAULT koncepciju, ceru, ka informācija, kuru esmu sniedzis, būs noderīga jūsu projektu īstenošanā.

Kā vienmēr, noslēgumā, pāris noderīgas saites:

• Raksts Kenta Graciano, kurā papildus detalizētam aprakstam ir iekļautas modeļa shēmas;

• Grāmata: “Building a Scalable Data Warehouse with DATA VAULT 2.0”;
• Raksts “Data Vault pamati”;
• Raksts “DATA VAULT attīstība un pāreja uz BUSINESS DATA VAULT”.

Avots: habr.com