データクレンジングのプロセスについて、正しい記述を選んでください。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
学習を始めるにあたり、まずは基礎概念をしっかり押さえましょう。コースの冒頭では、データウェアハウスとは何かを学び、似た名称の技術であるデータマートやデータレイクとの共通点と相違点を理解します。さらに、データウェアハウスの各工程を支える役割（ペルソナ）についても学びます。
ここでは、データウェアハウスの典型的なレイヤー構造と、プレゼンテーションレイヤーがアナリストをどのように支援するかを学び、アーキテクチャの理解を深めます。加えて、Bill Inmonのトップダウン手法と、Ralph Kimballのボトムアップ手法を比較します。最後に、OLAPとOLTPシステムの違いも理解します。
この章では、優れたデータモデルでデータウェアハウス内のデータをどのように整理するかを学びます。はじめに、ファクトテーブルとディメンションテーブルとは何か、そしてそれらをスター・スキーマやスノーフレーク・スキーマでどう活用するかといったモデリングの基本を扱います。次に、Kimballの4ステッププロセスによるデータモデルの作成方法と、ゆっくり変化するディメンションへの対処方法を確認します。
コースの締めくくりとして、ETLとELTプロセスの長所・短所、オンプレミスとクラウド実装の違いを学びます。最後に、具体例を通じてウェアハウス設計と実装における主要な意思決定を体験します。
現在の演習
