Модель данных без хаоса: факты, PK/FK и проверка показателей в DataForge
Правильно построенная модель данных — основа любой аналитической системы. Именно на этом этапе закладываются качество отчётности, корректность расчётов и возможность масштабировать аналитику без постоянных доработок. Подробнее о платформе: https://dataforg.ru В этом видео мы разбираем практический процесс моделирования данных в DataForge. Вы увидите, как описывать таблицы фактов, настраивать связи между сущностями и проверять, что показатели действительно считаются корректно. В ходе демонстрации рассматриваются следующие вопросы: • переход к работе с таблицами фактов; • обзор основных элементов модели; • настройка визуализации; • детализация и свойства показателей; • настройка внешних ключей (FK); • настройка первичных ключей (PK); • создание фильтров; • проверка корректности показателей; • итоговая сборка модели данных. Видео будет полезно BI-разработчикам, аналитикам, архитекторам данных, специалистам по DWH и всем, кто сталкивается с проектированием аналитических моделей и хочет избежать типичных ошибок ещё на этапе разработки. DataForge позволяет документировать модель данных, обеспечивать прозрачность её структуры и создавать единое пространство взаимодействия между бизнесом и ИТ. Подробнее о платформе: https://dataforg.ru Тайм-коды: 00:00 Вступление 00:43 Переход к таблицам 01:19 Обзор элементов 02:05 Настройка визуализации 02:59 Детали показателей 03:27 Настройка FK 04:03 Настройка PK 04:49 Настройка фильтра 06:06 Проверка показателя 06:39 Модель данных 07:24 Завершение модель данных, data model, таблица фактов, fact table, PK, FK, первичный ключ, внешний ключ, проектирование DWH, DataForge, хранилище данных, BI разработчик, аналитик данных, data architect, корпоративная аналитика, ETL, data warehouse, dimensional modeling, Kimball, data governance
Правильно построенная модель данных — основа любой аналитической системы. Именно на этом этапе закладываются качество отчётности, корректность расчётов и возможность масштабировать аналитику без постоянных доработок. Подробнее о платформе: https://dataforg.ru В этом видео мы разбираем практический процесс моделирования данных в DataForge. Вы увидите, как описывать таблицы фактов, настраивать связи между сущностями и проверять, что показатели действительно считаются корректно. В ходе демонстрации рассматриваются следующие вопросы: • переход к работе с таблицами фактов; • обзор основных элементов модели; • настройка визуализации; • детализация и свойства показателей; • настройка внешних ключей (FK); • настройка первичных ключей (PK); • создание фильтров; • проверка корректности показателей; • итоговая сборка модели данных. Видео будет полезно BI-разработчикам, аналитикам, архитекторам данных, специалистам по DWH и всем, кто сталкивается с проектированием аналитических моделей и хочет избежать типичных ошибок ещё на этапе разработки. DataForge позволяет документировать модель данных, обеспечивать прозрачность её структуры и создавать единое пространство взаимодействия между бизнесом и ИТ. Подробнее о платформе: https://dataforg.ru Тайм-коды: 00:00 Вступление 00:43 Переход к таблицам 01:19 Обзор элементов 02:05 Настройка визуализации 02:59 Детали показателей 03:27 Настройка FK 04:03 Настройка PK 04:49 Настройка фильтра 06:06 Проверка показателя 06:39 Модель данных 07:24 Завершение модель данных, data model, таблица фактов, fact table, PK, FK, первичный ключ, внешний ключ, проектирование DWH, DataForge, хранилище данных, BI разработчик, аналитик данных, data architect, корпоративная аналитика, ETL, data warehouse, dimensional modeling, Kimball, data governance