or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
เริ่มต้นการเรียนรู้ด้าน data warehouse ด้วยการทำความเข้าใจแนวคิดพื้นฐานที่สำคัญ ในบทนี้จะได้เรียนรู้ว่า data warehouse คืออะไร และแตกต่างจากเทคโนโลยีที่มีชื่อคล้ายกันอย่าง data mart และ data lake อย่างไร นอกจากนี้ยังจะได้เรียนรู้ว่าบุคลากรในบทบาทต่างๆ มีส่วนสนับสนุนขั้นตอนต่างๆ ของโปรเจกต์ data warehouse อย่างไร
ในบทนี้จะได้ทำความเข้าใจสถาปัตยกรรมของ data warehouse ให้ลึกขึ้น โดยเรียนรู้เลเยอร์ทั่วไปของ data warehouse และวิธีที่ presentation layer รองรับการทำงานของนักวิเคราะห์ นอกจากนี้ยังจะได้เรียนรู้เกี่ยวกับแนวทาง top-down ของ Bill Inmon และเปรียบเทียบกับแนวทาง bottom-up ของ Ralph Kimball รวมถึงความแตกต่างระหว่างระบบ OLAP และ OLTP
ในบทนี้จะได้เรียนรู้วิธีจัดระเบียบข้อมูลใน data warehouse ด้วยโมเดลข้อมูลที่ดี เริ่มจากพื้นฐานของการสร้างโมเดลข้อมูล ได้แก่ fact table และ dimension table รวมถึงการนำไปใช้ใน star schema และ snowflake schema จากนั้นจะได้เรียนรู้กระบวนการ 4 ขั้นตอนของ Kimball ในการสร้างโมเดลข้อมูล และวิธีจัดการกับ slowly changing dimensions
ในบทสุดท้ายนี้จะได้เรียนรู้ข้อดีและข้อเสียของกระบวนการ ETL และ ELT รวมถึงการเปรียบเทียบระหว่างการติดตั้งแบบ on-premise และบนคลาวด์ จากนั้นจะได้ฝึกตัดสินใจในประเด็นสำคัญด้านการออกแบบและการนำ data warehouse ไปใช้งานจริงผ่านตัวอย่างที่ครอบคลุม
แบบฝึกหัดปัจจุบัน