数据仓库支持分析师和数据科学家的工作。下面的陈述都是这方面的例子。
在本练习中，选择那个为 错误 的陈述。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在开始数据仓库学习之旅前，请先打好基础概念。开篇您将了解什么是数据仓库，并与名称相近的技术——数据集市与数据湖——进行比较和区分。您还会学习不同角色如何在数据仓库项目的各个阶段发挥作用。
现在，您将通过学习数据仓库的典型分层来加深对其架构的理解，并了解展示层如何支持分析师。此外，您将学习 Bill Inmon 的自顶向下方法，并与 Ralph Kimball 的自底向上方法进行比较。最后，您将理解 OLAP 与 OLTP 系统的区别。
当前练习
在这里，您将学习如何通过优秀的数据模型来组织数据仓库中的数据。首先，您将了解数据建模基础，包括事实表与维度表的概念，以及它们在星型与雪花型模式中的用法。然后，您将回顾如何使用 Kimball 的四步法创建数据模型，并学习如何处理缓慢变化维度。
课程最后，您将学习 ETL 与 ELT 流程的优缺点，以及本地部署与云端实现的对比。您将通过一个示例进行收尾，围绕仓库设计与实施做出关键决策。
