1. leckeÜzlet és hely objektumok: Store_ID, Store_Name, Region, Country, ChannelHatározza meg az üzlet és hely dimenzió objektumokat a kiskereskedelmi elemzéshez. Megtanulja üzlet azonosítók, nevek, régiók, országok és csatornák modellezését, valamint ezek attribútumok földrajzi és csatorna teljesítmény jelentéstámogatását.
Store_ID as the store business keyStore_Name standards and cleansingRegion and country hierarchiesChannel classification and mappingLocation attributes for filtering2. leckeKulcsok, csatlakozások és aliasok: technikák konform dimenziókhoz és több csatlakozás ugyanahhoz a tábláhozModellezze a kulcsokat, csatlakozásokat és aliasokat a konform dimenziók támogatására. Megtanulja megosztott dimenziók csatlakoztatását több tényhez, hurkok elkerülését és tábla aliasok használatát különböző szerepek vagy útvonalak ábrázolására az univerzum sémában.
Natural versus surrogate keys in designInner and outer join choicesCreating and using table aliasesResolving join loops with contextsValidating join paths with sample queries3. leckeAlapvető univerzum objektumok: Sales_Revenue (sum), Units_Sold (sum), Gross_Margin (sum), Discount_Amount (sum)Tervezze meg a felhasználók által használt alapvető értékesítési tény mérőket. Megtanulja bevétel, egységek, árrés és kedvezmények modellezését additív mérőkként, aggregációs viselkedés meghatározását és minden metrika mögötti üzleti szabályok dokumentálását az univerzumban.
Business definition of Sales_RevenueUnits_Sold measure and aggregation rulesGross_Margin calculation and validationDiscount_Amount sourcing and logicMeasure formatting and number scaling4. leckeLevezetett és számított objektumok: változók Margin_Pct-hez, Stock_Turnover-hez, Days_of_Inventory-hez, Slow_Mover_Flag-hezHozzon létre levezetett és számított objektumokat, amelyek üzleti logikát kapszuláznak. Megtanulja árrés százalék, készlet forgalom, készlet napok és lassú mozgó jelzők építését fenntartható és jól dokumentált formulákkal.
Margin_Pct formula and rounding rulesStock_Turnover calculation optionsDays_of_Inventory business definitionSlow_Mover_Flag thresholds and logicValidating derived metrics with samples5. leckeTovábbi univerzum objektumok: Selling_Price (detail), Cost_of_Goods_Sold (detail), Stock_Level (snapshot), Stock_Value (calculated)Modellezze a további részlet és pillanatkép mérőket, amelyek gazdagítják az elemzést. Megtanulja eladási ár, eladott áruk költsége, készlet szint és készlet érték megjelenítését, valamint részlet vs aggregált objektumok használatának megértését jelentésekben.
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 objects6. leckeTöbb ténytábla kezelése: csatlakozástípusok, kontextusok és aliasok fan csapdák és chasm csapdák megelőzéséreKezelje biztonságosan több ténytáblát egyetlen univerzumban. Megtanulja csatlakozási stratégiákat, kontextusokat és aliasokat fan és chasm csapdák elkerülésére, biztosítva hogy kombinált értékesítési és készlet jelentések pontos, nem duplikált eredményeket adjanak.
Identifying fan and chasm trap patternsJoin strategies for multiple fact tablesUsing contexts to isolate fact combinationsAliases to separate incompatible joinsTesting combined sales and stock queries7. leckeDimenzió objektumok: Product_ID, SKU, Product_Category, Product_Subcategory, BrandTervezze meg a robusztus termék dimenzió objektumokat elemzéshez. Megtanulja ID-k, SKU-k, kategóriák, alkategóriák és márkák megjelenítését, lassan változó attribútumok kezelését és konzisztens termék összesítések biztosítását minden ténytáblán.
Product_ID as primary business keySKU granularity and uniquenessProduct_Category hierarchy designProduct_Subcategory relationshipsBrand attributes and reporting use8. leckeDupla számítás elkerülése: tiszta szemcsésség meghatározása, aggregátum-tudatos kontextusok használata, félig additív mérők magyarázataMegismeri a dupla számítás megelőzését aggregált jelentésekben. Megtanulja tiszta tény szemcsésség meghatározását, aggregátum-tudatos objektumok és kontextusok használatát, valamint félig additív mérők helyes kezelését mint készlet és egyenlegek idő felett.
Defining a clear and consistent fact grainAggregate-aware measures and objectsDesigning and using universe contextsSemi-additive measures across timeTesting reports for hidden double counting9. leckeIdő objektumok: Calendar_Date, Fiscal_Year, Fiscal_Period, Week, Month_To_Date_FlagTervezze meg az idő dimenzió objektumokat rugalmas periódus elemzéshez. Megtanulja naptári dátumok, fiskális évek, fiskális periódusok, hetek és jelzők mint hónap-ig-dátum megjelenítését, lehetővé téve konzisztens időalapú szűrőket és összehasonlításokat.
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 periods10. leckeTény szemcsésség és modellezés: tranzakció-szintű értékesítési tény vs készlet pillanatkép tény, szemcsésség implikációkHatározza meg és dokumentálja a tény szemcsésséget minden táblához. Megtanulja a tranzakció-szintű értékesítési tények és készlet pillanatkép tények különbségét, valamint a szemcsésség választás hatását aggregációkra, fúrási útvonalakra és jelentés teljesítményre.
Transaction-level sales fact definitionStock snapshot fact grain and timingGrain alignment across related factsImpact of grain on aggregationsDocumenting grain for report designers11. leckeTémakörök azonosítása: Értékesítési tény, Készlet tény, Termék mester, Üzlet mester, Naptár dimenzióHatározza meg az univerzum tervezést vezérlő üzleti témaköröket. Megtanulja értékesítés, készlet, termék, üzlet és naptár adatok leképezését tény és dimenzió táblákra, valamint ez a szeparáció hogyan támogatja a rugalmas, konzisztens jelentést.
Sales fact subject area definitionStock fact subject area definitionProduct master as a conformed dimensionStore master and location coverageCalendar dimension business requirements12. leckeNaplózási és eredet mezők: Data_Source, Load_Timestamp, Record_Status hibaelhárításhoz és egyeztetéshezVezesse be a naplózási és eredet mezőket az univerzumba. Megtanulja Data_Source, Load_Timestamp és Record_Status használatát hibaelhárításhoz, egyeztetéshez és felhasználói bizalomhoz, valamint megjelenítésüket végfelhasználók zavarása nélkül.
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