A modelagem de área segura de dados é uma técnica de modelagem de banco de dados que fornece armazenamento histórico de dados de longo prazo originado de várias origens Um cofre de dados armazena uma única versão dos fatos, ou "todos os dados, o tempo todo" Seu design flexível, escalável, consistente e adaptável engloba os melhores aspectos da terceira forma normal (3NF) e do esquema em estrela Neste treinamento presencial instruído, os participantes aprenderão como construir um Cofre de Dados No final deste treinamento, os participantes serão capazes de: Entenda os conceitos de arquitetura e design por trás do Data Vault 20 e sua interação com Big Data, NoSQL e AI Use técnicas de compartimentação de dados para ativar a auditoria, o rastreamento e a inspeção de dados históricos em um data warehouse Desenvolver um processo consistente e repetível de ETL (Extrair, Transformar, Carregar) Construa e implante armazéns altamente escaláveis e repetíveis Público Modeladores de dados Especialista em data warehousing Especialistas em Business Intelligence Engenheiros de dados Administradores de banco de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .
Machine Translated
Data Vault Modeling is a database modeling technique that provides long-term historical storage of data that originates from multiple sources. A data vault stores a single version of the facts, or "all the data, all the time". Its flexible, scalable, consistent and adaptable design encompasses the best aspects of 3rd normal form (3NF) and star schema.
In this instructor-led, live training, participants will learn how to build a Data Vault.
By the end of this training, participants will be able to:
- Understand the architecture and design concepts behind Data Vault 2.0, and its interaction with Big Data, NoSQL and AI.
- Use data vaulting techniques to enable auditing, tracing, and inspection of historical data in a data warehouse.
- Develop a consistent and repeatable ETL (Extract, Transform, Load) process.
- Build and deploy highly scalable and repeatable warehouses.
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Introduction
- The shortcomings of existing data warehouse data modeling architectures
- Benefits of Data Vault modeling
Overview of Data Vault architecture and design principles
Data Vault applications
- Dynamic Data Warehousing
- Exploration Warehousing
- In-Database Data Mining
- Rapid Linking of External Information
Data Vault components
Building a Data Vault
Modeling Hubs, Links and Satellites
Data Vault reference rules
How components interact with each other
Modeling and populating a Data Vault
Converting 3NF OLTP to a Data Vault Enterprise Data Warehouse (EDW)
Understanding load dates, end-dates, and join operations
Business keys, relationships, link tables and join techniques
Query techniques
Load processing and query processing
Overview of Matrix Methodology
Getting data into data entities
Loading Hub Entities
Loading Link Entities
Loading Satellites
Using SEI/CMM Level 5 templates to obtain repeatable, reliable, and quantifiable results
Developing a consistent and repeatable ETL (Extract, Transform, Load) process
Building and deploying highly scalable and repeatable warehouses
Closing remarks
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european southern observatory (eso)")
_ireland.gif "environmental protection agency (epa) ireland")
