Build your ultimate AI agent
Kursbeschreibung
Dieser einführende, konzeptionelle Kurs hilft dir, die Grundlagen des Data Warehousing zu verstehen. Anhand von Praxisbeispielen und realen Datensätzen bekommst du ein solides Verständnis der wichtigsten Basics.Einige Prognosen sagen voraus, dass der globale Data-Warehousing-Markt bis 2028 über 50 Milliarden US-Dollar erreichen wird. Diese Branche hat sich über die Jahre stetig weiterentwickelt und ist für viele Organisationen ein zentraler Baustein der Datenrevolution. Es gab noch nie einen besseren Zeitpunkt, um mehr über Data Warehousing zu lernen.Die Videos enthalten Live-Transkripte, die du unten links im Video über „Show transcript" einblenden kannst.
Das Kursglossar findest du rechts im Bereich „Ressourcen".
Um CPE-Punkte zu erhalten, musst du den Kurs abschließen und bei der qualifizierten Bewertung mindestens 70 % erreichen. Du gelangst zur Bewertung, indem du rechts auf den Hinweis zu den CPE-Punkten klickst.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Grundlagen von Data Warehouses
Starte deine Lernreise rund um Data Warehouses mit soliden Grundlagen. Zu Beginn dieses Kurses lernst du, was ein Data Warehouse ist und wie es sich von ähnlich klingenden Technologien wie Data Marts und Data Lakes unterscheidet. Außerdem erfährst du, wie verschiedene Rollen die einzelnen Phasen eines Data-Warehouse-Projekts unterstützen.
- Was ist ein Data Warehouse?50 XP
- Was und wozu?50 XP
- Mögliche Anwendungsfälle für ein Data Warehouse für Zynga50 XP
- Was ist der Unterschied zwischen Data Warehouses und Data Lakes?50 XP
- Data Warehouses vs. Data Lakes100 XP
- Data Warehouses vs. Data Marts50 XP
- Zwischen einem Data Lake, einem Warehouse und einem Data Mart entscheiden50 XP
- Data Warehouses helfen bei der Analyse von Unternehmen50 XP
- Lebenszyklus eines Data Warehouse100 XP
- Die verschiedenen Rollen und ihre Aufgaben50 XP
- Wer macht was?100 XP
2
Architekturen und Eigenschaften von Warehouses
Jetzt vertiefst du dein Verständnis der Data-Warehouse-Architektur: Du lernst die typischen Schichten eines Data Warehouses kennen und wie die Präsentationsschicht Analysten unterstützt. Zusätzlich erfährst du mehr über Bill Inmon und seinen Top-down-Ansatz und wie er sich mit Ralph Kimball und seinem Bottom-up-Ansatz vergleichen lässt. Abschließend verstehst du den Unterschied zwischen OLAP- und OLTP-Systemen.
3
Datenmodellierung im Data Warehouse
Hier lernst du, wie du die Daten in deinem Data Warehouse mit einem überzeugenden Datenmodell strukturierst. Zuerst behandelst du die Grundlagen der Datenmodellierung: Was sind Fakt- und Dimensionstabellen und wie nutzt du sie in Stern- und Schneeflockenschemata? Anschließend siehst du dir an, wie du mit Kimballs Vier-Schritte-Prozess ein Datenmodell erstellst und wie du mit langsam veränderlichen Dimensionen umgehst.
4
Implementierung und Datenaufbereitung
Zum Abschluss des Kurses lernst du die Vor- und Nachteile von ETL- und ELT-Prozessen sowie von On-Premises- gegenüber Cloud-Implementierungen kennen. Abschließend gehst du ein Beispiel Schritt für Schritt durch und triffst wichtige Entscheidungen zum Warehouse-Design und zur Implementierung.
R
Konzepte des Data Warehousing
Kurs
abgeschlossen
