Приклад проєктування сховища даних

Концепції Data Warehousing

Aaren Stubberfield

Data Scientist

Задамо контекст

• Новий стартап
• Додаток для обміну світлинами

¹ Photo by Alex Alvarado from unsplash.com

Згори-вниз чи знизу-вгору?

Що врахувати:

• Важливо швидко показати бізнес-ефект
• Підхід згори-вниз має довший старт

Рішення:

• Підхід знизу-вгору
• Пріоритет — вітрина продажів

Кімболл — вибір процесу організації (крок 1)

Що врахувати:

• Які клієнти купують великі обсяги світлин?

Рішення:

• Зосередитись на покупках клієнтів

Кімболл — визначення зерна (крок 2)

Що врахувати:

• Дані мають бути гнучкими для багатьох питань
• Обираємо найнижче можливе зерно

Рішення:

• Відстежувати покупки клієнт/світлина

Кімболл — визначення вимірів (крок 3)

Що врахувати:

• Як користувачі описують дані, що виходять із процесу?
• Пріоритезація клієнтів

Рішення:

• Локація клієнта (країна і штат/область)
• Дата приєднання клієнта
• Типова методика оплати

Кімболл — визначення фактів (крок 4)

Що врахувати:

• На що відповідаємо?

Рішення:

• Час перегляду світлини до покупки
• Вартість світлини та податок
• Дата покупки

Таблиці фактів і вимірів

Локально чи в хмарі

Що врахувати:

• Не хочемо початкових витрат на інфраструктуру заліза/ПЗ
• Невелика команда — фокус на високій цінності

Рішення:

• Хмарна реалізація

ETL чи ELT

Що врахувати:

• Зберігати всі дані
• Хмара дає масштабувати обчислення за потреби

Рішення:

• Реалізувати ELT

Підсумок

• Планування критично важливе
• Підлаштовуйте підхід під ситуацію

Давайте потренуємось!

Концепції Data Warehousing