1. Choosing The Process.
Pada tahapan ini untuk merancang data warehouse harus sesuai dengan kebutuhan. contoh : ketika ingin menganalisis penjualan yang berasal dari berbagai sumber yang berbeda atau dimensi, maka dari itu kita harus cermat dalam memilih proses mana yang ingin kita analisa.
2. Choosing The Grain.
Perancangan data model data warehouse itu juga harus sesuai atau berdasarkan dari table fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan untuk mempresentasikan fakta-fakta yang diambil dari berbagai sumber dimensi pada OLTP. Contoh : sales_order_fact adalah menggambarkan rincian customer secara detail. Jadi tahap ini sangat penting karena akan mempengaruhi seperti apa nanti hasil dari data warehouse yang akan mudah untuk pengambilan keputusan.
3. Identifying and Conforming The Dimensions.
Dimensi ini sebagai gambaran fakta-fakta pada table fakta, contoh : setiap data pada table customer_dim dilengkapi dengan cust_id, cust_number, cust_name, cust_street_addreess, cust_zip_code dan lainnya.
4. Choosing The Fact.
Pemilihan sumber dari sebuah table fakta akan menentukan fakta mana yang akan digunakan. Contoh : sales_prder_fact terdiri dari customer_id, order_id, product_id, order_date yang menggambarkan fakta dari berbagai table dimensi yaitu customer, order, product dan time yaitu order date.
5. Storing Pre-Calculation In The Fact Table.
Hal ini akan terjadi jika table fakta kehilangan statement sesuai dengan fakta yang dibutuhkan.
Tahap ini untuk menambah selengkap-lengkapnya pada table dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini berguna untuk memudahkan pengguna nantinya.
7. Choosing The Duration Of Database.
Tahapan ini berkaitan dengan penyimpanan data warehouse, katakan saja yang kita kehendaki untuk di analisa memiliki durasi 5 (lima) tahun yang lalu.
8. Tracking Slowly Changing Dimension.
Ada 3 perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama.
- Tipe 1 : perubahan data secara langsung atau update table dimensi.
- Tipe 2 : perubahan data membentuk record baru dengan surrogate key yang berbeda.
- Tipe 3 : perubahan data akan membentuk atribut atau kolom batu pada table dimensi.
0 komentar:
Posting Komentar