Aula 1Objetos de loja e localização: Store_ID, Store_Name, Region, Country, ChannelDefina objetos de dimensão de loja e localização para análise de varejo. Aprenda a modelar identificadores de loja, nomes, regiões, países e canais, e como esses atributos suportam relatórios de desempenho geográfico e por canal.
Store_ID as the store business keyStore_Name standards and cleansingRegion and country hierarchiesChannel classification and mappingLocation attributes for filteringAula 2Chaves, junções e aliases: técnicas para dimensões conformadas e múltiplas junções à mesma tabelaModele chaves, junções e aliases para suportar dimensões conformadas. Aprenda a juntar dimensões compartilhadas a múltiplos fatos, evitar loops e usar aliases de tabela para representar diferentes papéis ou caminhos no esquema do universo.
Natural versus surrogate keys in designInner and outer join choicesCreating and using table aliasesResolving join loops with contextsValidating join paths with sample queriesAula 3Objetos principais do universo: Sales_Revenue (sum), Units_Sold (sum), Gross_Margin (sum), Discount_Amount (sum)Projete medidas de fatos de vendas principais das quais os usuários dependem. Aprenda a modelar receita, unidades, margem e descontos como medidas aditivas, defina comportamento de agregação e documente regras de negócio por trás de cada métrica no universo.
Business definition of Sales_RevenueUnits_Sold measure and aggregation rulesGross_Margin calculation and validationDiscount_Amount sourcing and logicMeasure formatting and number scalingAula 4Objetos derivados e calculados: variáveis para Margin_Pct, Stock_Turnover, Days_of_Inventory, Slow_Mover_FlagCrie objetos derivados e calculados que encapsulem lógica de negócio. Aprenda a construir percentual de margem, rotatividade de estoque, dias de estoque e flags de itens lentos mantendo fórmulas manuteníveis e bem documentadas.
Margin_Pct formula and rounding rulesStock_Turnover calculation optionsDays_of_Inventory business definitionSlow_Mover_Flag thresholds and logicValidating derived metrics with samplesAula 5Objetos adicionais do universo: Selling_Price (detail), Cost_of_Goods_Sold (detail), Stock_Level (snapshot), Stock_Value (calculated)Modele medidas adicionais de detalhe e snapshot que enriqueçam a análise. Aprenda a expor preço de venda, custo de mercadorias vendidas, nível de estoque e valor de estoque, e entenda quando usar objetos de detalhe versus agregados em relatórios.
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 objectsAula 6Lidando com múltiplas tabelas de fatos: tipos de junção, contextos e aliases para prevenir armadilhas de fan e chasmLide com múltiplas tabelas de fatos de forma segura em um universo. Aprenda estratégias de junção, contextos e aliases para evitar armadilhas de fan e chasm, garantindo que relatórios combinados de vendas e estoque retornem resultados precisos e sem duplicatas.
Identifying fan and chasm trap patternsJoin strategies for multiple fact tablesUsing contexts to isolate fact combinationsAliases to separate incompatible joinsTesting combined sales and stock queriesAula 7Objetos de dimensão: Product_ID, SKU, Product_Category, Product_Subcategory, BrandProjete objetos de dimensão de produto robustos para análise. Aprenda a expor IDs, SKUs, categorias, subcategorias e marcas, gerencie atributos lentamente mutáveis e garanta rollups consistentes de produto em todas as tabelas de fatos.
Product_ID as primary business keySKU granularity and uniquenessProduct_Category hierarchy designProduct_Subcategory relationshipsBrand attributes and reporting useAula 8Evitando contagem dupla: definindo grão claro, uso de contextos conscientes de agregação e explicação de medidas semi-aditivasEntenda como prevenir contagem dupla em relatórios agregados. Aprenda a definir grão de fato claro, usar objetos e contextos conscientes de agregação, e lidar corretamente com medidas semi-aditivas como estoque e saldos ao longo do tempo.
Defining a clear and consistent fact grainAggregate-aware measures and objectsDesigning and using universe contextsSemi-additive measures across timeTesting reports for hidden double countingAula 9Objetos de tempo: Calendar_Date, Fiscal_Year, Fiscal_Period, Week, Month_To_Date_FlagProjete objetos de dimensão de tempo para análise flexível de períodos. Aprenda a expor datas de calendário, anos fiscais, períodos fiscais, semanas e flags como mês até a data, permitindo filtros e comparações baseadas em tempo consistentes.
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 periodsAula 10Grão de fato e modelagem: definindo fato de vendas no nível de transação vs fato de snapshot de estoque, implicações de grãoDefina e documente o grão de fato para cada tabela. Aprenda a diferença entre fatos de vendas no nível de transação e fatos de snapshot de estoque, e como escolhas de grão afetam agregações, caminhos de detalhamento e desempenho de relatórios.
Transaction-level sales fact definitionStock snapshot fact grain and timingGrain alignment across related factsImpact of grain on aggregationsDocumenting grain for report designersAula 11Identificar áreas de assunto: fato de vendas, fato de estoque, master de produto, master de loja, dimensão de calendárioDefina as áreas de assunto de negócio que impulsionam o design do universo. Aprenda como dados de vendas, estoque, produto, loja e calendário mapeiam para tabelas de fato e dimensão, e como essa separação suporta relatórios flexíveis e consistentes.
Sales fact subject area definitionStock fact subject area definitionProduct master as a conformed dimensionStore master and location coverageCalendar dimension business requirementsAula 12Campos de auditoria e linhagem: Data_Source, Load_Timestamp, Record_Status para troubleshooting e reconciliaçãoIntroduza campos de auditoria e linhagem no universo. Aprenda como Data_Source, Load_Timestamp e Record_Status suportam troubleshooting, reconciliação e confiança do usuário, e como expô-los sem confundir usuários finais.
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
