Stockage de données par ligne ou par colonne

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cet exercice fait partie du cours

Concepts liés aux entrepôts de données

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Préparez-vous à devenir expert des entrepôts de données en acquérant des connaissances sur certains concepts fondamentaux. Pour débuter ce cours, vous apprendrez ce qu'est un entrepôt de données et comment il se distingue des technologies similaires, telles que les data marts et les lacs de données. Vous découvrirez également comment différents profils contribuent aux différentes étapes d'un projet d'entrepôt de données.

Exercise 1: Qu'est-ce qu'un entrepôt de données ?Exercise 2: Comprendre le quoi et le pourquoi Exercise 3: Cas d'utilisation possibles d'un entrepôt de données pour Zynga Exercise 4: Quelle est la différence entre les entrepôts et les lacs de données ?Exercise 5: Entrepôts vs lacs de données Exercise 6: Entrepôts vs data marts Exercise 7: Choisir entre un lac, un entrepôt et un data mart Exercise 8: Les entrepôts de données facilitent l'analyse organisationnelle Exercise 9: Cycle de vie d'un entrepôt de données Exercise 10: Assistance lorsque nécessaire Exercise 11: Qui fait quoi ?

Vous allez maintenant acquérir une meilleure compréhension de l'architecture d'un entrepôt de données en découvrant les couches typiques d'un entrepôt de données et comment la couche de présentation aide les analystes. De plus, vous découvrirez Bill Inmon et son approche descendante, et vous apprendrez comment celle-ci se distingue de l'approche ascendante de Ralph Kimball. Enfin, vous comprendrez la différence entre les systèmes OLAP et OLTP.

Exercise 1: Quelles sont les différentes couches d'un entrepôt de données ?Exercise 2: Organisation des couches d'entrepôt de données Exercise 3: Comprendre l'ETL Exercise 4: Sélectionner le calque approprié Exercise 5: La couche de présentation Exercise 6: Se mettre dans la peau d'un consultant Exercise 7: Assistance aux analystes et aux utilisateurs spécialisés en science des données Exercise 8: Architectures d'entrepôts de données Exercise 9: Approche descendante ou ascendante Exercise 10: Caractéristiques des approches descendantes et ascendantes Exercise 11: Opter pour une approche descendante Exercise 12: Systèmes OLAP et OLTP Exercise 13: Le cube de données OLAP Exercise 14: OLAP vs. Scénarios OLTP Exercise 15: Comprendre l'OLTP

Ici, vous apprendrez à organiser les données de votre entrepôt de données à l'aide d'un modèle de données performant. Tout d'abord, vous aborderez les principes fondamentaux de la modélisation des données en découvrant ce que sont les tables de faits et de dimensions, ainsi que leur utilisation dans les schémas en étoile et en flocon de neige. Ensuite, vous passerez en revue la manière de créer un modèle de données à l'aide du processus en quatre étapes de Kimball et la manière de traiter les dimensions qui évoluent lentement.

Exercise 1: Modélisation des données d'entrepôt de données Exercise 2: Comprendre les tables de faits et de dimensions Exercise 3: Une nuit étoilée et enneigée Exercise 4: Fait ou dimension ?Exercise 5: Le processus en quatre étapes de Kimball Exercise 6: Organisation des étapes de Kimball Exercise 7: Choisir le grain Exercise 8: Sélectionner des faits raisonnables Exercise 9: Changement progressif des dimensions Exercise 10: Question surprise sur les changements lents Exercise 11: Différence entre les types I, II et III Exercise 12: Stockage de données par ligne ou par colonne

Exercice en cours

Exercise 13: Catégorisation des scénarios de stockage en lignes et en colonnes Exercise 14: Pourquoi le stockage en colonnes est-il plus rapide ?Exercise 15: Quelles requêtes sont plus rapides ?

Vous conclurez le cours en découvrant les avantages et les inconvénients des processus ETL et ELT, ainsi que ceux d'une implémentation sur site par rapport à une implémentation dans le cloud. Vous conclurez en examinant un exemple concret, en prenant des décisions clés concernant la conception et la mise en œuvre d'un entrepôt.

Exercise 1: ETL et ELT Exercise 2: ETL vs ELT Exercise 3: Différences entre ETL et ELT Exercise 4: Sélectionner ELT Exercise 5: Nettoyage des données Exercise 6: Opérations de nettoyage Exercise 7: Rechercher la vérité dans les transformations de données Exercise 8: Comprendre la gouvernance des données Exercise 9: Entrepôts de données sur site et dans le cloud Exercise 10: Comprendre les différences entre les solutions sur site et le cloud Exercise 11: Aligner la mise en œuvre sur la justification Exercise 12: Exemple de conception d'entrepôt de données Exercise 13: Tout relier Exercise 14: Sélectionner une approche ascendante Exercise 15: Avez-vous une connaissance approfondie de ce sujet ?Exercise 16: Conclusion