Lektion 1Butiks- och platsobjekt: Store_ID, Store_Name, Region, Country, ChannelDefiniera butiks- och platsdimensionobjekt för detaljhandelsanalys. Lär dig modellera butiksidentifierare, namn, regioner, länder och kanaler, och hur dessa attribut stödjer geografisk och kanalspecifik prestandarapportering.
Store_ID as the store business keyStore_Name standards and cleansingRegion and country hierarchiesChannel classification and mappingLocation attributes for filteringLektion 2Nycklar, joins och alias: tekniker för konformerade dimensioner och flera joins till samma tabellModellera nycklar, joins och alias för att stödja konformerade dimensioner. Lär dig join:a delade dimensioner till flera fakta, undvika loopar och använda tabellalias för att representera olika roller eller vägar i universumskema.
Natural versus surrogate keys in designInner and outer join choicesCreating and using table aliasesResolving join loops with contextsValidating join paths with sample queriesLektion 3Kärnuniversumobjekt: Sales_Revenue (sum), Units_Sold (sum), Gross_Margin (sum), Discount_Amount (sum)Designa kärnfaktamått för försäljning som användare förlitar sig på. Lär dig modellera intäkter, enheter, marginal och rabatter som additiva mått, definiera aggregeringsbeteende och dokumentera affärsregler bakom varje mått i universum.
Business definition of Sales_RevenueUnits_Sold measure and aggregation rulesGross_Margin calculation and validationDiscount_Amount sourcing and logicMeasure formatting and number scalingLektion 4Härledda och beräknade objekt: variabler för Margin_Pct, Stock_Turnover, Days_of_Inventory, Slow_Mover_FlagSkapa härledda och beräknade objekt som kapslar in affärslogik. Lär dig bygga marginalprocent, lageromsättning, lagerdagar och långsam-flyttarflaggor samtidigt som formler hålls underhållbara och väl dokumenterade.
Margin_Pct formula and rounding rulesStock_Turnover calculation optionsDays_of_Inventory business definitionSlow_Mover_Flag thresholds and logicValidating derived metrics with samplesLektion 5Ytterligare universumobjekt: Selling_Price (detail), Cost_of_Goods_Sold (detail), Stock_Level (snapshot), Stock_Value (calculated)Modellera ytterligare detalj- och snap-shot-mått som berikar analysen. Lär dig exponera säljpris, varukostnad, lager nivå och lager värde, och förstå när man använder detalj versus aggregerade objekt i rapporter.
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 6Hantera flera faktatabeller: jointyper, kontexter och alias för att förhindra fan traps och chasm trapsHantera flera faktatabeller säkert inom ett universum. Lär dig join-strategier, kontexter och alias för att undvika fan- och chasm-fällor, säkerställa att kombinerade försäljnings- och lager rapporter ger korrekta, icke-duplicerade resultat.
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 7Dimensionsobjekt: Product_ID, SKU, Product_Category, Product_Subcategory, BrandDesigna robusta produkt dimensionsobjekt för analys. Lär dig exponera ID:n, SKU:er, kategorier, underkategorier och märken, hantera långsamt föränderliga attribut och säkerställa konsekventa produktuppsamlingar över alla faktatabeller.
Product_ID as primary business keySKU granularity and uniquenessProduct_Category hierarchy designProduct_Subcategory relationshipsBrand attributes and reporting useLektion 8Undvika dubbelräkning: definiera klar grain, användning av aggregate-aware kontexter och semi-additiva mått förklaringFörstå hur man förhindrar dubbelräkning i aggregerade rapporter. Lär dig definiera klar faktagran, använda aggregate-aware-objekt och kontexter, och korrekt hantera semi-additiva mått som lager och saldon över tid.
Defining a clear and consistent fact grainAggregate-aware measures and objectsDesigning and using universe contextsSemi-additive measures across timeTesting reports for hidden double countingLektion 9Tidsobjekt: Calendar_Date, Fiscal_Year, Fiscal_Period, Week, Month_To_Date_FlagDesigna tidsdimensionsobjekt för flexibel periodanalys. Lär dig exponera kalenderdatum, finansiella år, finansiella perioder, veckor och flaggor som månad-till-datum, för konsekventa tidsbaserade filter och jämförelser.
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 10Faktagran och modellering: definiera transaktionsnivå försäljningsfakt vs lager snap-shot-fakt, granimplikationerDefiniera och dokumentera faktagran för varje tabell. Lär dig skillnaden mellan transaktionsnivå försäljningsfakta och lager snap-shot-fakta, och hur granval påverkar aggregeringar, borrvägar och rapportprestanda.
Transaction-level sales fact definitionStock snapshot fact grain and timingGrain alignment across related factsImpact of grain on aggregationsDocumenting grain for report designersLektion 11Identifiera ämnesområden: Sales fact, Stock fact, Product master, Store master, Calendar dimensionDefiniera affärsämnesområden som driver universumdesignen. Lär dig hur försäljning, lager, produkt, butik och kalenderdata mappas till faktatabeller och dimensionstabeller, och hur denna separation stödjer flexibel, konsekvent rapportering.
Sales fact subject area definitionStock fact subject area definitionProduct master as a conformed dimensionStore master and location coverageCalendar dimension business requirementsLektion 12Revisions- och härkomstfält: Data_Source, Load_Timestamp, Record_Status för felsökning och försoningIntroducera revisions- och härkomstfält i universum. Lär dig hur Data_Source, Load_Timestamp och Record_Status stödjer felsökning, försoning och användartro, och hur man exponerar dem utan att förvirra slutanvändare.
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