Modelagem para analytics — Dados
O coração da trilha. Um data warehouse só entrega valor se os dados dentro dele estiverem modelados para a pergunta analítica — e o esquema normalizado a 3FN que serve tão bem o OLTP é justamente o errado aqui. Este sub-galho (fase Adepto) ensina a modelagem dimensional de Kimball: fatos e dimensões, o grão, star vs snowflake, os tipos de fato, o problema das dimensões que mudam no tempo (SCD), e as abordagens que vão além de Kimball (Data Vault, wide tables, medallion).
Notas
- 01 - Por que modelar pra analytics
- 02 - Modelagem dimensional
- 03 - Star vs snowflake e tipos de fato
- 04 - Slowly Changing Dimensions
- 05 - Além de Kimball
Veja também
- Dados — o galho-pai
- Fundamentos de engenharia de dados — o sub-galho anterior (onde os dados vivem)
- Pipelines — o próximo, onde o modelo é preenchido por pipelines
- Banco de Dados 04 — a normalização OLTP que este sub-galho contrasta