บทเรียนที่ 1ความสัมพันธ์และคีย์: Orders→Customers (CustomerID), Orders→Products (OrderLine table), Orders→Calendar (OrderDate→DateID), Sessions→Campaigns (UTM)เข้าใจว่าคีย์หลักและคีย์ต่างประเทศเชื่อมโยงคำสั่งซื้อ ลูกค้า สินค้า วันที่ และแคมเปญอย่างไร เรียนรู้การออกแบบความสัมพันธ์ที่แข็งแกร่งที่รักษา referential integrity และเปิดใช้งานการวิเคราะห์ที่ยืดหยุ่น
Natural keys ปะทะ surrogate keysOrders ถึง Customers ผ่าน CustomerIDOrder lines เชื่อม Orders และ ProductsOrders ถึง Calendar ผ่าน DateIDSessions ถึง Campaigns ใช้ UTM keysบทเรียนที่ 2มิติ Calendar/Date: ช่องข้อมูล (Date, Day, Week, Month, Quarter, Year, IsHoliday, FiscalPeriod)สร้างมิติ calendar ที่ใช้ซ้ำได้ที่ทำให้วันที่มาตรฐานข้ามข้อเท็จจริงทั้งหมด เรียนรู้คุณสมบัติที่ต้องรวม การสนับสนุน fiscal calendars และวันหยุดและช่วงเวลาขับเคลื่อน time intelligence
กำหนด grain ของมิติวันที่คุณสมบัติ calendar มาตรฐานช่อง fiscal year และ fiscal periodธงวันหยุดและเหตุการณ์พิเศษสนับสนุน time hierarchies หลายแบบบทเรียนที่ 3ความแตกต่างข้อเท็จจริงและมิติหลัก: Orders fact, Sessions/Events fact, Inventory factแยกแยะตารางข้อเท็จจริงและมิติและจำแนกข้อเท็จจริงหลักสำหรับคำสั่งซื้อ เซสชัน และสินค้าคงคลัง เข้าใจว่าแต่ละข้อเท็จจริงสนับสนุน KPI เฉพาะและโต้ตอบในโมเดล BI อย่างไร
ข้อเท็จจริง ปะทะ มิติในโมเดล BIOrders fact และการวิเคราะห์รายได้การใช้งาน Sessions และ events factInventory fact และการเคลื่อนไหวสต็อกConformed dimensions ข้ามข้อเท็จจริงบทเรียนที่ 4ตาราง Sessions/Events (สำหรับ web analytics): ช่องข้อมูล (SessionID, VisitDate, UserID, Channel, LandingPage, Device, SessionsMetrics, Events)จำลองเซสชันและเหตุการณ์สำหรับ web analytics เพื่อให้ข้อมูลพฤติกรรมสอดคล้องกับข้อเท็จจริงทางธุรกิจ เรียนรู้ช่องข้อมูลหลัก การเลือก grain และการจับช่องทาง อุปกรณ์ และเมตริกการมีส่วนร่วมอย่างน่าเชื่อถือ
grain ระดับเซสชัน ปะทะ เหตุการณ์ตัวระบุเซสชันหลักและวันที่ช่องทาง แหล่ง และ landing pageคุณสมบัติอุปกรณ์และแพลตฟอร์มเมตริกเซสชันและจำนวนเหตุการณ์บทเรียนที่ 5ตาราง Products: ตัวอย่างช่องข้อมูล (ProductID, SKU, Name, Category, Brand, Price, Cost, Weight, SupplierID, CategoryHierarchy)ออกแบบมิติ Products ที่แข็งแกร่งที่สนับสนุน merchandising การกำหนดราคา และการวิเคราะห์มาร์จิ้น เรียนรู้คุณสมบัติหลัก ลำดับชั้น และลิงก์ไปยังผู้จัดหาและหมวดหมู่สำหรับการ slicing ที่ยืดหยุ่น
เลือก grain ของมิติสินค้าตัวระบุสินค้าหลักและ SKUคุณสมบัติหมวดหมู่และลำดับชั้นช่องราคา ต้นทุน และมาร์จิ้นความสัมพันธ์ผู้จัดหาและแบรนด์บทเรียนที่ 6ตาราง Orders: ตัวอย่างช่องข้อมูล (OrderID, OrderDate, CustomerID, ShippingAddressID, OrderStatus, PaymentMethod, Subtotal, Discounts, Shipping, Tax, Total, RefundAmount)กำหนดตารางข้อเท็จจริง Orders ที่สะอาดและพร้อมวิเคราะห์ สำรวจช่องข้อมูลจำเป็น ประเภทข้อมูล และกฎการคำนวณเพื่อให้รายได้ ส่วนลด ภาษี และการคืนเงินสอดคล้องข้ามแดชบอร์ดและรายงาน
เลือก grain ของตาราง Ordersตัวระบุหลักและช่องวันที่ช่องเงินและกฎการคำนวณจัดการสถานะคำสั่งซื้อและ lifecycleจำลองการคืนเงินและการคืนสินค้าบางส่วนบทเรียนที่ 7ตาราง Inventory และ Fulfillment: InventorySnapshot, Shipments, Returns พร้อมตัวอย่างช่องข้อมูลออกแบบตารางสินค้าคงคลังและการ履行คำสั่งที่สนับสนุนการติดตามสต็อก ประสิทธิภาพการจัดส่ง และการวิเคราะห์การคืนสินค้า เรียนรู้ช่องข้อมูลหลัก บทบาทตาราง และโครงสร้างเหล่านี้ป้อนการรายงานการดำเนินงานและ BI ที่แม่นยำอย่างไร
วัตถุประสงค์และ grain ของตาราง InventorySnapshotช่องและประเภท InventorySnapshot หลักโครงสร้างและเมตริกตาราง Shipmentsโครงสร้างและเมตริกตาราง Returnsเชื่อมโยงสินค้าคงคลังกับคำสั่งซื้อและสินค้าบทเรียนที่ 8ตาราง Marketing Campaigns: ช่องข้อมูล (CampaignID, Channel, Source, Medium, StartDate, EndDate, Spend, Budget, CampaignName)สร้างมิติ Marketing Campaigns ที่รวมค่าใช้จ่าย ช่องทาง และประสิทธิภาพ เรียนรู้ช่องข้อมูลหลัก ช่วงวันที่ และการเชื่อมแคมเปญกับเซสชันและคำสั่งซื้อสำหรับ attribution
ตัวระบุแคมเปญและกฎการตั้งชื่อช่องทาง แหล่ง และ mediumเมตริกงบประมาณ ค่าใช้จ่าย และ pacingจัดการวันที่เริ่มและสิ้นสุดแคมเปญเชื่อมแคมเปญกับเซสชันและคำสั่งซื้อบทเรียนที่ 9รูปแบบการออกแบบ: star schema, slowly changing dimensions (SCD Type 1/2), การกำหนด grain และความสำคัญใช้รูปแบบการออกแบบเชิงมิติที่พิสูจน์แล้วกับ schema ของคุณ เรียนรู้ star schemas, slowly changing dimensions และการกำหนด grain ที่ชัดเจนป้องกันความคลุมเครือและการคำนวณ BI ที่ไม่สอดคล้อง
Star schema ปะทะ snowflake tradeoffsกำหนด grain ตารางข้อเท็จจริงอย่างแม่นยำการจัดแนว grain ข้ามข้อเท็จจริงที่เกี่ยวข้องSlowly changing dimensions Type 1Slowly changing dimensions Type 2บทเรียนที่ 10ตาราง Customers: ตัวอย่างช่องข้อมูล (CustomerID, Name, Email, SignupDate, Country, Region, CustomerSegment, LifetimeValue, AcquisitionChannel, IsVIP)จำลองมิติ Customers ที่สนับสนุนการแบ่งกลุ่ม การรักษา และการวิเคราะห์ lifetime value เรียนรู้คุณสมบัติจำเป็น เมตริกที่คำนวณได้ และข้อพิจารณาความเป็นส่วนตัวสำหรับการวิเคราะห์
ตัวระบุลูกค้าและการกำจัดข้อมูลซ้ำคุณสมบัติประชากรศาสตร์และตำแหน่งวันที่สมัคร lifecycle และกิจกรรมธงกลุ่มลูกค้าและ VIPตัวชี้วัด lifetime value และ churn