March 19
Uno schema definisce la struttura di un database. La progettazione di uno schema è significativa; ha un impatto sia le prestazioni e la facilità con cui gli utenti recuperano le informazioni da un database. Uno schema a stella, chiamato perché il suo schema si presenta come una stella, è una strategia di progettazione utilizzato per i data warehouse relazionali; è una delle più semplici stili di design. schemi a stella sono composti da tabelle dei fatti e delle dimensioni. tabelle dei fatti contengono le misure per i dati. I fatti sono dati quantitativi o di fatto e di solito numerico. tabelle dimensione Store dati descrittivi o attributi e sono in genere più piccolo di tabelle dei fatti. Per chiarire con un esempio, un data warehouse per un negozio al dettaglio potrebbe contenere i dati di vendita in tabelle dei fatti e le persone di vendita in una tabella delle dimensioni. tecniche multiple sono disponibili per definire uno schema a stella.
1 Definire il processo di business esatto che il data warehouse sosterrà. Definizione del processo di business è fondamentale perché fornisce le informazioni per identificare gli attributi specifici e misura il data warehouse conterrà. Inoltre, alcuni processi aziendali hanno stabilito modelli di settore che sono utili per accelerare il processo di progettazione.
2 Definire la granularità dei dati che saranno disponibili nel data warehouse. Le informazioni contenute in un magazzino di dati può essere di basso livello,, singole operazioni dettagliata o di aggregazione. Utilizzando l'esempio dettaglio, dati dettagliati potrebbero includere il numero di prodotti di un tipo specifico di un singolo ordine in un giorno. Una riga di esempio potrebbe essere il 01/10/2010, fine 3023 conteneva tre abiti rossi, due camicie blu e un maglione verde. Una visione aggregata dei dati stessi potrebbe omettere l'identificazione di un singolo ordine, e invece memorizzare il numero di abiti rossi ordinato il 01/10/2010.
3 Identificare le dimensioni. Dimensioni definiscono come gli utenti saranno in grado di suddividere i dati. Ad esempio, gli utenti spesso quasi desiderano visualizzare i dati dal tempo o geografia.
4 Identificare i fatti o le misure che saranno memorizzati nel data warehouse. Le misure sono numerici e additivi attraverso le dimensioni. Ad esempio, le vendite sono numerici e gli utenti possono guardare le vendite totali per un prodotto e per ogni momento. I dati di vendita sono validi, non importa quanto è segmentato i dati.
5 Testare il modello proposto contro il processo di business. Per garantire il modello è adeguato, definire un elenco di esempi di domande che potrebbero essere poste dagli utenti di eseguire il processo di business. Assicurarsi che il modello contiene le dimensioni necessarie (attributi) e fatti (dati quantitativi) per rispondere a ogni domanda.