Lektion 1Geschäfts- und Standort-Objekte: Store_ID, Store_Name, Region, Country, ChannelDefinieren Sie Geschäft- und Standort-Dimensionsobjekte für Retail-Analysen. Lernen Sie, Geschäftsidentifikatoren, Namen, Regionen, Länder und Kanäle zu modellieren und wie diese Attribute geografisches und Kanal-Leistungs-Reporting unterstützen.
Store_ID as the store business keyStore_Name standards and cleansingRegion and country hierarchiesChannel classification and mappingLocation attributes for filteringLektion 2Schlüssel, Joins und Aliase: Techniken für konforme Dimensionen und multiple Joins zur selben TabelleModellieren Sie Schlüssel, Joins und Aliase für konforme Dimensionen. Lernen Sie, geteilte Dimensionen mit mehreren Fakten zu joinen, Schleifen zu vermeiden und Tabellenaliase für unterschiedliche Rollen oder Pfade im Universum-Schema zu verwenden.
Natural versus surrogate keys in designInner and outer join choicesCreating and using table aliasesResolving join loops with contextsValidating join paths with sample queriesLektion 3Kern-Universums-Objekte: Sales_Revenue (sum), Units_Sold (sum), Gross_Margin (sum), Discount_Amount (sum)Gestalten Sie Kern-Verkaufs-Faktmaße, auf die Nutzer angewiesen sind. Lernen Sie, Umsatz, Einheiten, Marge und Rabatte als additive Maße zu modellieren, Aggregationsverhalten zu definieren und Geschäftsregeln hinter jeder Metrik im Universum zu dokumentieren.
Business definition of Sales_RevenueUnits_Sold measure and aggregation rulesGross_Margin calculation and validationDiscount_Amount sourcing and logicMeasure formatting and number scalingLektion 4Abgeleitete und berechnete Objekte: Variablen für Margin_Pct, Stock_Turnover, Days_of_Inventory, Slow_Mover_FlagErstellen Sie abgeleitete und berechnete Objekte, die Geschäftslogik kapseln. Lernen Sie, Margenprozent, Lagerumschlag, Inventartage und Langsamläufer-Kennzeichen zu erstellen, während Formeln wartbar und gut dokumentiert bleiben.
Margin_Pct formula and rounding rulesStock_Turnover calculation optionsDays_of_Inventory business definitionSlow_Mover_Flag thresholds and logicValidating derived metrics with samplesLektion 5Zusätzliche Universums-Objekte: Selling_Price (detail), Cost_of_Goods_Sold (detail), Stock_Level (snapshot), Stock_Value (calculated)Modellieren Sie zusätzliche Detail- und Snapshot-Maße, die Analysen bereichern. Lernen Sie, Verkaufspreis, Wareneinsatzkosten, Lagerbestand und Lagerwert offenzulegen und wann Detail- versus aggregierte Objekte in Berichten zu verwenden sind.
Selling_Price as a detail objectCost_of_Goods_Sold sourcing and rulesStock_Level as a snapshot measureStock_Value as a calculated measureChoosing detail versus aggregated objectsLektion 6Behandlung mehrerer Faktentabellen: Join-Typen, Kontexte und Aliase zur Vermeidung von Fan- und Chasm-FallenBehandeln Sie mehrere Faktentabellen sicher in einem Universum. Lernen Sie Join-Strategien, Kontexte und Aliase, um Fan- und Chasm-Fallen zu vermeiden und sicherzustellen, dass kombinierte Verkaufs- und Lagerberichte genaue, nicht-duplizierte Ergebnisse liefern.
Identifying fan and chasm trap patternsJoin strategies for multiple fact tablesUsing contexts to isolate fact combinationsAliases to separate incompatible joinsTesting combined sales and stock queriesLektion 7Dimensionsobjekte: Product_ID, SKU, Product_Category, Product_Subcategory, BrandGestalten Sie robuste Produktions-Dimensionsobjekte für Analysen. Lernen Sie, IDs, SKUs, Kategorien, Unterkategorien und Marken offenzulegen, langsam veränderliche Attribute zu managen und konsistente Produkt-Rollups über alle Faktentabellen sicherzustellen.
Product_ID as primary business keySKU granularity and uniquenessProduct_Category hierarchy designProduct_Subcategory relationshipsBrand attributes and reporting useLektion 8Vermeidung von Doppelzählungen: Definition klarer Korn, Einsatz aggregate-bewusster Kontexte und Erklärung semi-additiver MaßeVerstehen Sie, wie man Doppelzählungen in aggregierten Berichten verhindert. Lernen Sie, eine klare Faktkorn zu definieren, aggregate-bewusste Objekte und Kontexte zu verwenden und semi-additive Maße wie Lagerbestände und Salden über die Zeit korrekt zu handhaben.
Defining a clear and consistent fact grainAggregate-aware measures and objectsDesigning and using universe contextsSemi-additive measures across timeTesting reports for hidden double countingLektion 9Zeit-Objekte: Calendar_Date, Fiscal_Year, Fiscal_Period, Week, Month_To_Date_FlagGestalten Sie Zeit-Dimensionsobjekte für flexible Periodenanalysen. Lernen Sie, Kalenderdaten, Fiskaljahre, Fiskalperioden, Wochen und Kennzeichen wie Monat-bis-Datum offenzulegen, um konsistente zeitbasierte Filter und Vergleiche zu ermöglichen.
Calendar_Date as the base time keyFiscal_Year and Fiscal_Period mappingWeek and month attributes for groupingMonth_To_Date_Flag logic and usageHandling holidays and special periodsLektion 10Faktkorn und Modellierung: Definition transaktionsbasierter Verkaufsfakten vs. Lager-Snapshot-Fakten, KornimplikationenDefinieren und dokumentieren Sie Faktkorn für jede Tabelle. Lernen Sie den Unterschied zwischen transaktionsbasierten Verkaufsfakten und Lager-Snapshot-Fakten sowie wie Kornwahl Aggregationen, Drillpfade und Berichtsleistung beeinflusst.
Transaction-level sales fact definitionStock snapshot fact grain and timingGrain alignment across related factsImpact of grain on aggregationsDocumenting grain for report designersLektion 11Identifizierung von Themenbereichen: Verkaufsfakt, Lagerfakt, Produktstamm, Geschäftsstamm, KalenderdimensionDefinieren Sie die Geschäfts-Themenbereiche, die das Universum-Design antreiben. Lernen Sie, wie Verkaufs-, Lager-, Produkt-, Geschäfts- und Kalenderdaten auf Fakt- und Dimensions-Tabellen abgebildet werden und wie diese Trennung flexibles, konsistentes Reporting unterstützt.
Sales fact subject area definitionStock fact subject area definitionProduct master as a conformed dimensionStore master and location coverageCalendar dimension business requirementsLektion 12Auditing- und Linienfelder: Data_Source, Load_Timestamp, Record_Status für Troubleshooting und AbstimmungFühren Sie Auditing- und Linienfelder ins Universum ein. Lernen Sie, wie Data_Source, Load_Timestamp und Record_Status Troubleshooting, Abstimmung und Nutzervertrauen unterstützen und wie man sie ohne Verwirrung der Endnutzer offenlegt.
Purpose of Data_Source in reportingUsing Load_Timestamp for recency checksRecord_Status for active or deleted rowsDesigning audit objects for power usersReconciliation techniques using audit data
