最新資料倉儲建模指南頂級教程加強版
課程目錄
章節1: 高質量資料倉儲建模概要
課時1:資料倉儲建模指南課程介紹 07:35
課時2:高質量資料庫建模1 - 重大意義 32:30
課時3:高質量資料庫建模2 - 建模流程 35:51
章節2: 基本概念
課時4:高質量資料庫建模3 - 實體 24:19
課時5:高質量資料庫建模4 - 屬性 and 域 31:51
課時6:高質量資料庫建模5 - 通過實踐理解實體及實體之間的關係 19:17
章節3: 鍵
課時7:高質量資料庫建模6 - 鍵(Key) - 主鍵、候選鍵、可選鍵 16:51
課時8:高質量資料庫建模7 - 自然鍵 VS 代理鍵 (1) 19:24
課時9:高質量資料庫建模8 - 自然鍵 VS 代理鍵 (2) 17:43
章節4: 約束
課時10:高質量資料庫建模9 - 約束 25:32
課時11:NULL 的含義及使用中常見隱患 19:19
課時12:經驗之談—原則及方法&NULL的場景處理 21:17
章節5: 正規化
課時13:規範化&第一正規化&第二正規化&第三正規化 20:16
課時14:BCNF(3.5正規化)& 第四正規化 & 第五正規化 15:19
章節6: 命名規範
課時15: 命名規範(1) 28:45
課時16:命名規範(2) 22:43
課時17:命名規範(3) 37:32
課時18:工具實現命名規範 18:44
課時19:後設資料 & Bingo Card 36:20
章節7: 專案生命週期 之 計劃
課時20:專案生命週期 之 計劃 WBS(1) 24:26
課時21:專案生命週期 之 計劃 WBS(2) 19:35
章節8: 專案生命週期 之估算
課時22:估算(1) - 維護與支援專案估算流程 38:25
課時23:估算(2) - 維護與支援專案Q&A <1> 22:33
課時24:估算(3) - 維護與支援專案Q&A <2> 21:43
課時25: 估算(4) - 維護與支援專案Q&A<3> KGN專案例項 38:55
課時26: 估算(5) - 維護與支援專案 工作量估算 22:30
課時27:估算(6) - 維護與支援專案 人力及成本 19:04
章節9: 需求分析與概念模型
課時28:商業模式(1) 30:34
課時29:商業模式(2) 21:22
課時30:IT與Data策略 16:59
課時31:資訊資產重用 30:19
課時32:瞭解企業的組織架構 23:25
課時33:瞭解IT/Data人員結構 18:38
課時34:IT Compliance 和 KPI 21:52
課時35:溝通會議及業務流程相關報表蒐集 12:22
課時36:KGN 專案 樣例 (1) 27:17
課時37:KGN專案 樣例 (2) 27:19
課時38:面談會 (1) 19:59
課時39:面談會(2) 33:56
課時40:主題域&通用功能 36:07
課時41:源系統資料分析 - 概要 22:23
課時42:源系統資料分析 - 猜資料 29:55
課時43:資料倉儲架構圖 22:55
課時44:Inmon 和 Kimball的方法論 28:04
課時45:概念模型最後的收尾 24:47
章節10: 邏輯模型
課時46:時間相關邏輯模型 - 日期 22:05 `
課時47:時間相關邏輯模型 - 時間及歷史資料儲存 31:41
課時48:Party 1 28:09
課時49:Party 2 20:08
課時50:Party 3 19:45
課時51:Product 1 18:52
課時52:Product 2 21:44
課時53:地址和貨幣 19:33
課時54:隱私與安全 1 17:57
課時55:隱私與安全2 21:18
課時56:邏輯建模Check List 1 16:07
課時57:邏輯建模Check List 2 17:59
章節11: 物理模型
課時58:物理模型1 17:42
課時59:逆規範化1 17:40
課時60:逆規範化2 20:35
課時61:資料庫分割槽 1 18:05
課時62:資料庫分割槽 2 and 表分割槽 19:52
課時63:索引1 B樹索引 17:32
課時64:索引2 bitmap 索引,聚集索引 vs 非聚集索引 18:48
課時65:索引3 組合欄位索引 17:00
章節12: 高質量建模技巧總結(直播答疑)
課時66:問題1:資料模型的套路 CIF架構 24:37
課時67:問題2:資料模型的套路 Dimensional Model架構 18:10
課時68:問題3:Career Development 00:58
課時69:問題4:資料模型和資料分析、資料探勘的關係 03:01
課時70:問題5:Testing in BI 12:01
課時71:問題6:資料質量及其他問題 07:24
下載地址:百度網盤
相關文章
- 資料倉儲建模方法論
- 利用Data vault對資料倉儲建模
- 雲資料建模:為資料倉儲設計資料庫資料庫
- 資料倉儲工具箱-維度建模權威指南(第三版)讀書筆記筆記
- 利用Data Vault對資料倉儲進行建模(二)
- 【資料倉儲】|4 維度建模之事實表設計
- 【資料倉儲】|3 維度建模之維度表設計
- 最最最全資料倉儲建設指南,速速收藏!!
- 資料倉儲建模工具之一——Hive學習第四天Hive
- 【資料倉儲】|5 維度建模設計和實施過程
- 華為雲企業級資料倉儲DWS
- 資料倉儲建模工具之一——Hive學習第七天Hive
- 資料倉儲建模工具之一——Hive學習第五天Hive
- Spark+ClickHouse企業級資料倉儲實戰Spark
- 資料庫倉庫系列:(一)什麼是資料倉儲,為什麼要資料倉儲資料庫
- 跑在檔案系統上的資料倉儲,強!
- 資料倉儲 - ER模型模型
- [數倉]資料倉儲設計方案
- P6136 【模板】普通平衡樹(資料加強版)
- SaaS模式雲資料倉儲MaxCompute企業級安全能力升級模式
- 資料倉儲應該用什麼方案——資料倉儲實施方案概述
- 2023版最新最強大資料面試寶典大資料面試
- 什麼是資料倉儲
- 資料倉儲經驗概念
- 什麼是資料倉儲?
- dr5.0加強版漢化版 附安裝使用教程
- 談談資料湖和資料倉儲
- 資料湖會取代資料倉儲嗎?
- 淺談資料倉儲和大資料大資料
- 資料湖 vs 資料倉儲 vs 資料庫資料庫
- IBMS建模資料過大該如何強化?它的輕量級建模滿足你的需求IBM
- 資料倉儲(7)數倉規範設計
- 資料倉儲(6)數倉分層設計
- HNOI2016序列+資料加強版(字首和+單調棧)
- 資料倉儲與大資料的區別大資料
- 關於資料湖、資料倉儲的想法
- 大資料和資料倉儲解決方案大資料
- 資料倉儲被淘汰了?都怪資料湖