Classer les techniques de modélisation des données

Après avoir appris à choisir la technique de modélisation des données la mieux adaptée à chaque cas d'usage d'affaires, il est temps de consolider vos acquis.

Votre tâche consiste à organiser les descriptions et caractéristiques propres à chaque modèle.

Cette activité fait partie du cours

Introduction à la modélisation des données dans Snowflake

Voir le cours

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Introduction à la modélisation des données dans Snowflake

SkillTag.level.intermediateSkillTag.label

4.8+

1407 reviews

Commencer le cours gratuitement

Entreprenez une exploration des bases de la modélisation des données avec Snowflake et découvrez l'art d'organiser les données efficacement. Commencez par les concepts essentiels de la modélisation, comprenez leur importance dans un monde axé sur les données et apprenez à représenter et à stocker les données de façon optimale. En visualisant l'organisation des données à grande échelle, vous saisirez l'importance d'un modèle de données bien structuré pour simplifier l'interrogation et l'analyse.

Exercise 1: Introduction à la modélisation des données Exercise 2: Composantes de la modélisation des données Exercise 3: Décrire une entité Exercise 4: Explorer les modèles de données conceptuels et logiques Exercise 5: Mise en œuvre d'un modèle de données conceptuel Exercise 6: Explorer les modèles de données physiques Exercise 7: Créer une entité Exercise 8: Créer le modèle de données physique

Découvrez les clés d'une organisation et d'une gestion efficaces des données, en mettant l'accent sur le rôle crucial des clés dans les relations entre les données et sur les principes fondamentaux de la normalisation dans Snowflake. Plongez dans les bases des données relationnelles en soulignant l'importance des clés primaires et étrangères pour structurer et relier les entités. Parcourez le processus de normalisation : commencez par la 1FN pour éliminer les doublons, passez à la 2FN pour traiter les dépendances partielles et terminez avec la 3FN pour supprimer les dépendances transitives.

Exercise 1: Clés pour les relations entre données Exercise 2: Modifier une entité Exercise 3: Ajuster le modèle Exercise 4: Normaliser des données relationnelles Exercise 5: Repérer la redondance des données Exercise 6: Repérer les anomalies Exercise 7: La première forme normale Exercise 8: Créer des entités en 1FN Exercise 9: Application de la 1NF Exercise 10: 2NF et 3NF Exercise 11: Application de la 2NF Exercise 12: Application de la 3NF

Approfondissez les stratégies d'entreposage de données avec Snowflake en explorant trois approches de modélisation essentielles : le modèle entité‑relation, la modélisation dimensionnelle et le Data Vault. Commencez par cartographier des relations complexes dans un système universitaire à l'aide du modèle entité‑relation, idéal pour visualiser les interactions entre données. Enchaînez avec la modélisation dimensionnelle pour simplifier l'analyse à l'aide de tables de faits et de dimensions, parfaite pour des rapports éclairants. Puis explorez la modélisation Data Vault, un cadre robuste qui excelle dans le suivi historique et offre une grande souplesse.

Exercise 1: Modèle entité‑association Exercise 2: Création d'entités pour le modèle RE Exercise 3: Extraction de données à partir du modèle ER Exercise 4: Modélisation dimensionnelle Exercise 5: Préparation des dimensions Exercise 6: Créer des dimensions Exercise 7: Extraction de données à partir du modèle dimensionnel Exercise 8: Data Vault Exercise 9: Création de hubs Exercise 10: Création de satellites Exercise 11: Créer des liens Exercise 12: Choisir la bonne approche Exercise 13: Classer les techniques de modélisation des données

Exercice en cours

Exercise 14: Maîtriser l'extraction de données

Exploitez le potentiel de l'architecture de Snowflake pour optimiser les performances des requêtes et ainsi accroître la vitesse et l'efficacité de vos modèles de données. Explorez les avantages du stockage en colonnes, du traitement massivement parallèle (MPP) et des micro‑partitions dans Snowflake, en les comparant aux bases de données traditionnelles pour bien comprendre la supériorité de Snowflake. Découvrez les objets de données de Snowflake — entrepôts virtuels, tables, vues, et plus — afin d'organiser vos données judicieusement. Maîtrisez des techniques comme l'optimisation des requêtes, l'utilisation des sous‑requêtes et des expressions de table communes (CTE) pour rationaliser le traitement des données.

Exercise 1: Performance des requêtes dans Snowflake Exercise 2: Méthode de stockage de Snowflake Exercise 3: Les avantages de Snowflake Exercise 4: Objets de données Snowflake Exercise 5: Entrepôts de données virtuels Exercise 6: Composants de Snowflake Exercise 7: Implémentation de vues Exercise 8: Optimisation des requêtes Exercise 9: Ordre d'exécution Exercise 10: Maîtrise des sous-requêtes Exercise 11: Récapitulatif