La méthode Data Vault modéliser un entrepôt de données est né par nécessité. Les projets de data warehousing doivent souvent faire face à des délais de mise en œuvre trop longs. Ceci implique que Les besoins de l'entreprise peuvent changer au cours du projet, compromettre le respect des délais de mise en œuvre et des coûts du projet..
Pour améliorer les délais de mise en œuvre, méthode a été introduite Coffre de données pour modéliser l'entrepôt de données. Le principe de conception consiste à séparer les clés métier, le contexte et les relations dans les différentes tables, comme plaque tournante, satellite et liaisons.
Concepts de hub, satellite et liaison
Un hub contient la clé métier réelle (un ou plusieurs champs qui identifient de manière unique une entité pour l'entreprise, par exemple, un numéro de client) et une clé de substitution qui est utilisée pour connecter cette table avec d'autres structures (équivalent à une clé primaireLa clé primaire est un concept fondamental dans les bases de données, Utilisé pour identifier de manière unique chaque enregistrement dans une table. Il se compose d’un ou plusieurs attributs qui ne peuvent pas contenir de valeurs nulles et doivent être uniques. Sa conception correcte est cruciale pour maintenir l’intégrité des données, Faciliter les relations entre les tables et optimiser les requêtes. Sans clé primaire, des ambiguïtés et des erreurs pourraient être générées dans le...). En outre, peut également contenir des métadonnées telles que des horodatages ou des informations sur la Source des donnéesOngle "Source des données" désigne tout lieu ou support où des informations peuvent être obtenues. Ces sources peuvent être à la fois primaires et, tels que les enquêtes et les expériences, en tant que secondaire, comme bases de données, articles universitaires ou rapports statistiques. Le bon choix d’une source de données est crucial pour garantir la validité et la fiabilité des informations dans la recherche et l’analyse..... Les liens ci-dessous relient les hubs à une simple table plusieurs-à-plusieurs composée des clés de remplacement respectives..
Par la présente, Les hubs et les liens représentent la partie la plus stable d'un modèle et sont enrichis par ce qu'on appelle des satellites.. Un satellite est connecté à un hub avec sa clé de remplacement et contient un ou plusieurs attributs descriptifs qui sont généralement regroupés par un système source, un contexte commercial ou un taux de change.. En outre, une table satellite peut également comprendre différents types de métadonnées, telles que les périodes de validité et les informations d'origine.
Un modèle de base de Data Vault pourrait consister en un centre de commande et un centre client très simples, ainsi que les liens et satellites associés.. Dans ce modèle, le centre client pourrait avoir deux satellites: un avec des données de base qui proviennent éventuellement du système CRM et un autre avec un attribut appelé smartphone qui peut provenir d'un système d'analyse Web.
Avantages d'un entrepôt de données dans le cadre de Data Vault
- Facilité d'extension permet une approche de projet agile.
- Les modèles créés sont hautement évolutif.
- Les processus de chargement peuvent être parallélisés de manière optimale car il y a peu de points de synchronisation.
- Les modèles sont faciles à auditer
Mais avec les nombreux avantages, Data Vault présente également un certain nombre de défis.
Défis d'un entrepôt de données au niveau de l'entrepôt de données
- Il y a une forte augmentation du nombre d'objets de données. (planches, Colonnes) en séparant les types d'informations et en les enrichissant de méta-informations pour le chargement.
- Cela se traduit par un effort de modélisation accru. comprenant de nombreuses tâches mécaniques peu sophistiquées
Comment pouvez-vous surmonter ces défis en utilisant un outil de modélisation de données standard? La structure très schématique des modèles fournit les conditions préalables idéales pour générer des modèles. Cela permet d'automatiser des parties importantes du processus de modélisation, permettant des projets Data Vault considérablement accélérés.
Possibilité d'automatiser le Data Warehouse
Quelles parties spécifiques du modèle peuvent être automatisées? L'architecture standard d'un entrepôt de données comprend les couches suivantes:
- Système d'origine: Système opérateur, comme les systèmes ERP ou CRM
- Zone de transit: C'est là que les données sont fournies par les systèmes d'exploitation. La structure du modèle de données correspond généralement au système source, avec des améliorations pour le chargement de documents.
- Noyau d'entrepôt: Ici, les données de divers systèmes sont intégrées. Cette couche est basée sur le modèle Data Vault et est subdivisée en zones Raw Vault et Business Vault. Cela implique la mise en œuvre de toutes les règles métier dans Business Vault afin que seules des transformations très simples soient utilisées dans Raw Vault.
- Marchés de rencontre: La structure des marchés de données est basée sur les besoins d'analyse et est modélisée comme un schéma en étoile.
La zone de préparation et le Raw Vault sont tous deux adaptés à l'automatisation, puisque des règles de dérivation clairement définies peuvent être établies à partir de la couche précédente.
(une fonction(ré, s, identifiant) {
var js, fjs = d.getElementsByTagName(s)[0];
si (d.getElementById(identifiant)) revenir;
js = d.createElement(s); js.id = identifiant;
js.src = « //connect.facebook.net/es_ES/all.js#xfbml=1&état=0 »;
fjs.parentNode.insertAvant(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
