Kom igångKom igång gratis

Hem
Kurser
Koncept för datalager

Vilka är de olika lagren i ett datalager?

Create Your Free Account

or

Email Address

Password

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

Den här övningen är en del av kursen

Koncept för datalager

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Börja din inlärningsresa inom datalager med en stabil grund i de viktigaste begreppen. Du lär dig vad ett datalager är och hur det skiljer sig från liknande tekniker som datamarter och datasjöar. Du lär dig också hur olika roller bidrar till de olika faserna i ett datalagerprojekt.

Exercise 1: Vad är ett datalager?Exercise 2: Vad är ett datalager och varför används det?Exercise 3: Möjliga användningsområden för ett datalager hos Zynga Exercise 4: Vad är skillnaden mellan ett datalager och en datasjö?Exercise 5: Datalager vs. datasjöar Exercise 6: Datalager vs. datamarts Exercise 7: Välja mellan datasjö, datalager och datamarknad Exercise 8: Datalager stödjer organisationens analys Exercise 9: Datalagerlivscykeln Exercise 10: Rätt stöd på rätt plats Exercise 11: Vem gör vad?

Här fördjupar du din förståelse för datalagerarkitektur genom att lära dig om de typiska lagren i ett datalager och hur presentationslagret stödjer analytiker. Du lär dig dessutom om Bill Inmons uppifrån-och-ned-ansats och hur den förhåller sig till Ralph Kimballs nedifrån-och-upp-ansats. Slutligen går du igenom skillnaden mellan OLAP- och OLTP-system.

Exercise 1: Vilka är de olika lagren i ett datalager?

Aktuell övning

Exercise 2: Ordna datalagrets lager Exercise 3: Förstå ETL Exercise 4: Välj rätt lager Exercise 5: Presentationslagret Exercise 6: Ta rollen som konsult Exercise 7: Stöd för analytiker och datavetare Exercise 8: Datalagerarkitekturer Exercise 9: Top-down vs. bottom-up Exercise 10: Egenskaper hos top-down och bottom-up Exercise 11: Att välja en uppifrån-och-ned-ansats Exercise 12: OLAP- och OLTP-system Exercise 13: OLAP-datakuben Exercise 14: OLAP vs. OLTP – scenarier Exercise 15: Förstå OLTP

Här lär du dig att organisera data i ditt datalager med hjälp av en välstrukturerad datamodell. Du börjar med grunderna i datamodellering – vad fakta- och dimensionstabeller är och hur de används i stjärn- och snöflingascheman. Sedan går du igenom hur du skapar en datamodell med Kimballs fyrastegsprocess och hur du hanterar långsamt föränderliga dimensioner.

Exercise 1: Datamodellering i ett datalager Exercise 2: Förstå fakta- och dimensionstabeller Exercise 3: En stjärnklar och snöig natt Exercise 4: Fakta- eller dimensionstabell?Exercise 5: Kimballs fyrastegsprocess Exercise 6: Sortera Kimballs steg Exercise 7: Att välja kornnivå Exercise 8: Välja lämpliga fakta Exercise 9: Långsamt föränderliga dimensioner Exercise 10: Snabbfråga om långsamma förändringar Exercise 11: Skillnaden mellan typ I, II och III Exercise 12: Rad- kontra kolumndatalagring Exercise 13: Kategorisera scenarier för rad- och kolumnlagring Exercise 14: Varför är kolumnlagring snabbare?Exercise 15: Vilka frågor är snabbare?

Du avslutar kursen med att lära dig för- och nackdelar med ETL- och ELT-processer samt skillnaden mellan lokal och molnbaserad implementering. Avslutningsvis går du igenom ett praktiskt exempel där du fattar viktiga beslut om lagerdesign och implementering.

Exercise 1: ETL och ELT Exercise 2: ETL jämfört med ELT Exercise 3: Skillnader mellan ETL och ELT Exercise 4: Välja ELT Exercise 5: Datarensning Exercise 6: Rensningsoperationer Exercise 7: Hitta sanningen i datatransformationer Exercise 8: Förstå datastyrning Exercise 9: Lokala och molnbaserade datalager Exercise 10: Skillnader mellan lokala och molnbaserade lösningar Exercise 11: Matcha implementation med motivering Exercise 12: Exempel på design av ett datalager Exercise 13: Att koppla ihop allt Exercise 14: Välja nedifrån-och-upp Exercise 15: Kan du det här?Exercise 16: Sammanfattning