OAW

1
OAW LEKTIONSGANG 11
2
AGENDA

• Data warehouse / data webhouse
• Dimensionel modellering (Stjerne skema)
• Extract, Transform and load (ETL)

3
WHAT IS ER
FLAT DATA
ENTITY RELATION
4
WHAT IS ER

• Relational database revolution bloomed in the mid
  1980s.
• Highest form of ER modeling is to remove all
  redundancy in the data
• With hundreds or even thousands of entities we
  have made a database that cannot be queried!
• It creates the demand of a simpler model

5
WHAT IS DM

• One table with multiple keys the fact table.
  This table contains only keys (integers).
• A set of smaller tables called dimension tables
  containing text information
• Highly recognizable to the end user.
• Gracefully extensible to new data elements

6
ER vs DM
7
HVAD ER ET DATA WAREHOUSE?
8
OPERATIONELLE DATA

• Svære at forstå (funktionel orienteret)
• Mange kilder (distribuerede)
• Opdateres og indeholder ofte ingen historik
• Megen data er irrelevant fra et analytisk
  perspektiv

9
KRAV TIL ANALYTISK DATA

• Data skal være forståelige (Emne orienteret)
• Tilgængelig for alle
• Hurtige svartider
• Konsistente
• Interaktive og flexible
• Skal indeholde historik

10
Eksempel på en dimentionel model (stjerne skema)
Med lidt god vilje En stjerneform
11
UDDYBNING, DIMENSIONSTABELLEN

• Tid (måned, dag, minut)
• Content (sektion, undersektion)
• Region (land, amt, kommune, by)

12
NAVIGATION AF DATA

• Operation
• select count(click_key) from click_fact
• Drill up/ drill down (group by)
• select count(click_key) from click_fact,
  content_dimention group by content_section
• select count(click_key) from click_fact,
  content_dimention group by content_subsection
• Slice and dice (section udland)
• select count(click_key) from click_fact,
  content_dimention where section udland
• select count(click_key) from click_fact,
  content_dimention, time_dimension where section
  udland and year 2002

13
EXTRACT, TRANSFORM AND LOAD

• Typisk udført en gang om dagen
• Typisk om natten, hvor virksomheden sover
• Men webben sover jo aldrig hvordan håndterer vi
  dette i realtid?
• Log data er fyldt med fejl grundet ukoordineret
  webdesign