Waarom een data warehouse?

Door gebruik te maken van een data warehouse is het mogelijk om de gegevens uit verschillende bronnen te verzamelen. Door deze gegevens met elkaar in relatie te brengen kunnen er interessante inzichten ontstaan. Daarnaast wordt de data in de verschillende bronnen vaak in verschillende formaten opgeslagen.

Waarom ETL?

ETL heeft een aantal belangrijke pluspunten. Allereerst is het ontwikkeld om zeer grote datasets in bulk te kopiëren vanuit gestructureerde gegevensbronnen. Ten tweede kun je er historische datarecords mee maken en daarmee analyseren hoe een dataset in de loop van de tijd verandert.

Wat doet een ETL specialist?

Een (freelance) ETL developer of specialist ontwikkelt programma’s om het totale ETL proces geautomatiseerd te kunnen laten verlopen.

What is the Kimball data model?

Initiated by Ralph Kimball, the Kimball data model follows a bottom-up approach to data warehouse (DW) architecture design in which data marts are first formed based on the business requirements.

What is Kimball’s approach?

Kimball is a set of defined methods, processes and techniques that are used to design and develop a data warehouse It is also referred with different names such as bottom-up approach, Kimball’s dimensional modeling and data warehouse life cycle model by Kimball. Before we proceed further let us understand a few terms:

What can we learn from Kimball’s modeling?

Let’s give credit where credit is due: Kimball’s ideas around the star schema, his approach of using denormalized data, and the notion of dimension and fact tables are powerful, time-tested ways to model data for analytical workloads. We use it internally at Holistics, and we recommend you do the same.

Why is Kimball process-oriented?

Kimball happens to be process-oriented since the focus is on business processes. Kimball prefers the denormalized data model, and as such, we find redundant data model present in the Kimball architecture. Kimball based data warehouses are easier to design and implement.