14. Dezember 2010 
Metadata Management wird der gesamte Data Warehouse-Architektur ist sehr wichtig, eine (auf dem Data-Warehouse-Architektur finden Sie in dem Artikel - die grundlegende Struktur des Data Warehouse), machte aber die Realisierung vieler Bücher, die nicht unter eine detaillierte Metadaten Definition, oder gibt es keine systematische Beschreibung der Data-Warehouse-Metadaten am Ende, was aufgenommen werden soll. Hier sind einige meiner Beendigung der Blick auf die Metadaten-Management, vor allem aus Inmon das "Data Warehouse" der beiden Bücher, Oracle-Dokumentation und Einzelpersonen in das Data Warehouse-Anwendungen, die in einige der Metadaten erfasst werden sollen. Metadata Definition von Metadaten (Metadaten), kann nicht von der wörtlichen Sicht gesehen sei es scheint ...... >> Lesen Sie mehr: Data Warehouse Metadata Management 16. November 2010
Ein weiterer Artikel über die Business Intelligence (BI) in dem Artikel, mehrere Artikel vor dem Data-Warehouse, multidimensionale OLAP-Modellen und Wissen präsentiert. Dieser Artikel hauptsächlich fasst einige grundlegende Merkmale der OLAP mit, und seine Datenverarbeitung, Darstellung und Analyse spiegelt Vorteil. In der Tat ist die meiste Zeit in der Nachahmung, oder Verweis dem Beispiel anderer, und wenn wir diese Dinge zu erreichen, wenn wir Ihre eigenen Erfahrungen haben zu gehen, müssen wir diese Erfahrungen aufnehmen, wenn wir in der Lage zu summieren die gesamte Umsetzung sind Prozess, wenn in der Tat, dass wir das Wissen oder Fertigkeiten gemeistert haben. Und es ist ...... >> Lesen Sie mehr: OLAP grundlegenden Eigenschaften 27. Oktober 2010 
Blog beiden vorangegangenen Artikeln: ein multidimensionales Datenmodell und Data-Warehouse-und OLAP-Cubes sowie um OLAP multi-dimensionales Modell der grundlegenden Konzepte eingeführt wurden, dieser Artikel ist auf zwei Artikel zugrunde, dass eine weitere Expansion konzentriert sich auf die mehrdimensionale OLAP sind zwei wichtige Elemente - dimensional und kubische Struktur und Zusammensetzung. Das Content-Modell kann für den Bau-Bereich, dieses Gebiet von Interesse für Studenten können nicht überspringen vorgespannt werden. ;-) D (Dimension) Dimension wird verwendet, um die Dinge aus einem anderen Blickwinkel Merkmale beschreiben, in der Regel wird es multi-dimensional (Level), wobei jede Ebene eine Reihe von gemeinsamen oder speziellen enthalten wird ...... >> Lesen Sie mehr: D (Dimension) und kubischen (Cube) 29. August 2010 
Voriger Artikel - die multi-dimensional Data-Warehouse-Datenmodell wurde multi-dimensionales Modell eines einfachen Definition und Struktur, sowie die Tatsache, Blatt (Fact Table) und der Maßtabelle (Maßtabelle)-Konzept eingeführt. Multidimensionales Datenmodell als neues logisches Datenmodell ermöglicht eine neue Form der Organisation und Speicherung, und wirklich auf die Analyse der Vor-spiegeln müssen auch Modell-basierte und effektive Bedienung und Handhabung, die OLAP (On-line Analytical Processing ist, Online Analytical Processing). Daten-Cube auf dem Datenwürfel (Data Cube), ist wichtig zu beachten, ist der Data-Cube ist ein mehrdimensionales Modell ...... >> Lesen Sie mehr: Data Cubes und OLAP 17. August 2010 
Viele Menschen können nicht verstehen, das Data Warehouse auf Basis multidimensionales Datenmodell für OLAP-Daten-Plattform, durch den Artikel eingebaut - die grundlegende Struktur des Data Warehouse, Data Warehouse, haben wir gesehen, die Anwendung kann viel mehr als das.. Aber ich muss zugeben, multidimensionales Datenmodell ein wichtiges Merkmal des Data Warehouse ist, ist Data-Warehouse-Anwendungen und die Umsetzung ein wichtiger Aspekt der Daten durch die Organisation und Storage-Optimierung, um es besser geeignet für analytische Daten-Abfrage und den Zugang . Multidimensionales Datenmodell Definition und Rolle der multidimensionalen Datenmodell für den Benutzer aus der Multi-Angle-Multi-Level-Daten-Abfrage zu treffen und ...... >> Lesen Sie mehr: ein multidimensionales Data-Warehouse-Datenmodell 1. August 2010
Ziel ist es, ein Data Warehouse zur Analyse von integrierten Daten-Umgebung aufzubauen und bieten Entscheidungsunterstützung (Decision Support). In der Tat ist das Data Warehouse selbst nicht "produzieren" keine Daten, aber muss nicht seine eigene "Verbrauch" von Daten, Daten aus externen Quellen, und offen für externe Anwendungen, weshalb heißt das "Lager" und nicht als "Fabrik" Gründe. Deshalb ist die grundlegende Struktur des Data Warehouse die Daten in den wichtigsten Zufluss und Abfluss des Prozesses enthalten sind, in drei Schichten unterteilt werden kann - die Quelldaten, Data Warehouse, Data-Anwendungen: Es aus der Abbildung ersichtlich, ist das Data-Warehouse-Daten aus verschiedenen Quellen, und bieten eine Vielzahl von verschiedenen ...... >> Lesen Sie mehr: Die grundlegende Struktur des Data Warehouse 20. Juli 2010 
Integrierte Enterprise Data Warehouse kann auf fast alle Daten für die Datenanalyse und Entscheidungsunterstützung, darunter natürlich auch meine Analyse der Datenquellen auf der Website erwähnt in dem Artikel alle Daten zu erhalten. Diese geben die Daten in das Data Warehouse ist nichts weniger als drei Typen: strukturierte Daten, semi-strukturierten Daten und unstrukturierten Daten, sie durch eine Form der Transformation in das Data Warehouse zu gehen, um eine einheitliche speichern, ist, dass oft gesagt, dass die ETL (Extract, Transform, Load, Extrahieren, Transformieren, Laden)-Prozess. Im Folgenden wird hauptsächlich über den Unterschied zwischen diesen drei Datentypen zu sprechen, einschließlich dessen, was sie waren die Quelldaten, und diese ...... >> Lesen Sie mehr: Data-Warehouse-Quelle Datentyp 25. Februar 2010 
Ich glaube, wir alle verstehen das Data Warehouse vier grundlegende Eigenschaften: Subjekt-orientierten, integrierten, relativ stabil, aufzeichnen Geschichte, und der Wert des Data Warehouse basiert auf vier Merkmalen der Basis: 1 und effiziente Datenorganisation Die Art der Subjekt-orientierte Data Warehouse mit Business-Datenbanken können keine effiziente Datenorganisation, umfassendere Daten-System, einen klaren Mechanismus für die Datenklassifizierung und Schichtung. Da alle Daten in das Data Warehouse wurden gereinigt und gefiltert, bevor, so die ursprünglichen Daten nicht mehr chaotisch, Abfrage-Optimierung basiert Formen der Organisation, den Datenzugriff verbessern, Statistiken und Analyse der Effizienz der ...... >> Lesen Sie mehr: Der Wert des Data Warehouse 
