Etiket Bulutu

Benchmark Convert_IMplicit Database High Availability Database Mirroring datawarehouse dimension table dmv Dynamic Data Masking Execution Execution Plans fact table Failover Cluster Node ekleme Failover Clustering FileStream generate script High Availability Implicit Instant File Initialization index Kinect Linux Live Query Statistics Log Shipping Mirroring object explorer object explorer details ODBC Driver pass performance performance tuning Plan Handle Planü Power View reporting services rol Row Level Security script sql serer 2016 sql server SQL Server 2008 SQL Server 2008 Log Shipping SQL Server 2012 SQL Server 2012 installation SQL Server 2012 Kurulumu SQL Server Backup SQL Server da Backup planı SQL Server da Maintenance Plans oluşturma SQL Server database mirroring SQL Server Disaster Recovery sql server dynamic management views SQL Server Failover Cluster SQL Server High Availability SQL Server Log Shipping SQL Server Maintenace Plans sql server performans SQLDIAG SQLDIAG Troubleshooting T24 Temenos truncate table t-sql unique index performance 1. Dünya savaşı istatistikleri 1456 451 ACID advanced analytics Advanced Data Analytics Affinity algı Alter index Alter table ALTER TABLE .. ALTER COLUMN Altın Oran Always On ALWAYSON AlwaysOnDemoTool amazon web services kinesis AMR analiz analysis service Ankara Antivirus apache kafka Arduino Article Assembly asymmetric audit Authentication Auto Growth Availability Group azure Azure Backup azure event hub partition azure event hubs azure event hubs servisi azure event hubs veri edinme Azure File Share Azure Fiyatlandırma Azure HDInsight Azure Hizmet Modelleri Azure ML Azure New Portal Azure Pricing Azure Queue azure sql database configuration azure sql database kullanımı azure sql database stream veriyi tutma azure sql database table partitioning Azure Storage azure stream analytics azure stream analytics dashboard azure stream analytics ölçeklendirilmesi azure stream analytics servisi Azure Table BA Backup backup encyrption backupset Bakım BASE bellek Best Practice BI Semantic Model Big Data Big User blocking blocking disable trigger blocking enable trigger Buffer Cache buffer pool Buffer Pool Extension bulk logged Buluta Veri Depolama Buluttaki Disk Business Analytics Conference business intelligence Büyük Veri Case Central Management Server certificate changed data capture Cloud Computing Cloud DR CLR Cluster clustered columnstore index Clustered Index Code Snippets Cold Purging collation column store column-level columnstore ColumnStore Indexes Compress ComputerNamePhysicalNetBIOS Concurrency Conditions Contained Database Contained Databases convert CONVERT_IMPLICIT Corruption Credentials cube DAC Dashboard Tasarımı data cleansing Data Compression Data Consistency Model data encryption data matching data mining Data Page data profiling data quality Data Services Data Warehouse Design Database database list Database Management Sistem database master key Database Mirroring Database Snapshot database trigger database-level Data-Ink Ratio datasets datasource DataZen date date dimension db_owner DBA DBCC dbcc dropcleanbuffers dbcc freeproccache DBMS dbo user DDL deadlock debugging DecryptByKey DecryptByPassPhrase deleted bitmap delta store Denali Denali SSAS deny database list deşifre detail index developer DIFFERENTIAL BACKUP DirectQuery Dirty Read Disaster Recovery Distribution Yapılandırma Distributor Distributor Agent dm_server_services DMF DMO DMV document db dosya bazlı şifreleme dqs dr Dynamic Management Function Dynamic Management Object Dynamic Management View ecrypt Effected Report Design Techniques Eğitim EncryptByKey EncryptByPassPhrase encryption endpoint Environment Variable error Error 5030 Error Log Estetik Raporlama Estimated Rows Eş Zamanlılkk Etkili Rapor Tasarlama Teknikleri Etkinlik ETL event Event Viewer except;intersect;sql execution Execution Plan export formats extended events Extended Stored Procedure Facets Failover Failover Cluster fast n execution plan FETCH NEXT FILELISTONLY FILLFACTOR File Table file-level FileStream Filter Pack Filtered Index First_Value Flat File fn_repl_hash_binary Focal Point foreignkey FORMAT Forwarded Record forwarded_record_count ftp task FULL BACKUP Full Recovery Full-Text Search functions Gartner Geocluster Gerçek Zamanlı Dashboard gestalt Golden Ratio görsel duyu group by Güvenlik ha Hadoop hafıza Hash HASHBYTES HEADERONLY headers footers Heap Hekaton hicri High Availability hijr Hiyerarşi Hybrid Cloud IaaS Index Index Scan In-Memory InMemory DW In-Memory DW InMemory OLTP In-Memory OLTP Internet of People Internet of Things IO IOT IoT nedir Isolation Level indeks index inmemory in-memory oltp internet of things isolation level istatistik istatistikler İş zekası İzolasyon Seviyesi Job json json support knowledge base kolon-satır bazlı kurulum küp Lag Lansman latch Lead linked server lock locking locking hints Log Backup Log Reader Agent Log Shipping login Lost-Update LQS Machine Learning Maintenance Management Studio matrix Max Text Replication Size mdx memory Memory Optimization Advisor Memory Optimized Table Memory Optimized Tables merge Merge Agent merge kullanımı Merge Publication Merge Replication merge type 1 slowly changing dimension merge type 1 slowly changing dimension örneği merge type 1 vs type 2 scd merge type 2 slowly changing dimension merge type 2 slowly changing dimension örneği merge type 3 slowly changing dimension merge type 4 slowly changing dimension message Microsoft Advanced Data Analytics Çözümleri microsoft azure Microsoft Bulut Microsoft Sanal Akademi Microsoft SQL Server Microsoft SQL Server 2014 Yenilikleri Microsoft SQL Server 2016 Mirror mirroring missing index Monitoring move Msdb multi_user multiversion concurrency control MVP MVP Roadshow MySnippet Named Pipes Natively Store Procedures Natively Stored Procedures Nesnelerin İnterneti Network Binding Order NoEngine Approaches nonclustered columnstore index Non-Repetable Read NoSQL NoSQL Approaches NoSQL Dünyası object explorer Odak Noktası ODBC Office 365 Offline OFFSET olap OLAP Backup OLE DB OLTP Online Index order attributes Otomatik Büyüme OVER PaaS PAD_INDEX page out page properties PAGE RESTORE PAGEIOLATCH paging parameters partition partitioning PASS PASS Summit PASS Summit 2014 Performance Performance Tuning performans performans tuning Phantom Read pivot Policies Policy Based Management Filtreleme Policy Management Power BI Power BI Dashboard Power BI Rest API power bi power view PowerBI PowerBI for Office 365 powerbi PowerMap PowerPivot PowerQuery powershell powershell ile sql yönetimi PowerView PowerView raporlarının web sayfalarına gömülmesi precon Primary Key primarykey Project Deployment Model Project Variable Protokol Proxy Proxy Account Publisher Purging on Independent Tables QL Server 2014 Yenilikleri Que Reader Agent Query Plan query store R Range Raporlama Raporlama Projeleri için Strateji Belirleme Raporlama Projelerine Hazırlık Read Committed Read Uncommitted RealTime Dashboard Rebuild RECONFIGURE RECONFIGURE WITH OVERRIDE Recovery model Relational Engine relationships Rename SSRS Database Repeatable Read Replication Replication Monitoring replikasyon report manager web site report parts reporting service reporting services reporting servis Resource Governor RESTORE Restore Database Restore Generate Restore Generate Script Restore transaction log rollback rs Rule of Thirds sa user SaaS sayfalama scd 3 demo scd karşılaştırma scd type 4 demo Scheduling Schema Comparison script Security segment elimination select into Self-Service BI Semantic Search Serializable Server Core SERVERPROPERTY Service services shared data sources shared datasets Shared Memory sharepoint Sharepoint 2010 ShowPlan Shrink simple recovery sing_user sliding window Slowly Changing Dimension snapshot Snapshot Agent Snapshot Publication Snapshot Replication Snippet snowflake sorting sp_configure sp_describe_first_result_set sp_server_diagnostics sp_spaceused sql SQL Agent Job SQL Azure sql bilgi yarışması SQL CLR SQL DIAG SQL DIAG Performans verisi toplama SQL endpoint SQL Login SQL Onculeri SQL Öncüleri sql script sql server SQL Server 2005 SQL Server 2008 SQL Server 2011 CTP3 SQL Server 2011 Denali SQL Server 2012 SQL Server 2012 CTP3 SQL Server 2012 RC SQL Server 2012 RC0 SQL Server 2012 ShowPlan Enhancements SQL Server 2012 T-SQL Enhancements SQL Server 2014 Sql Server 2014 Cardinality Estimator SQL Server 2014 Yenilikleri sql server 2016 SQL Server 2016 New Features SQL Server 2016 Yenilikleri sql server agent sql server assembly ekleme SQL Server Authentication sql server cast ve convert sql server clr integration sql server clr kullanımı sql server clr örnek sql server cluster SQL Server Code Name Denali SQL Server da Kullanıcı Yaratma SQL Server Database Project sql server dmv ve dmf sql server execution plan temizleme SQL Server Express Backup sql server fast n option örneği sql server fast n seçeneği SQL Server login sql server management stdio sql server merge into örnek sql server merge komutu sql server merge performnas sql server merge type 1 scd sql server merge type 2 scd sql server merge type 3 scd SQL Server Mobile Report Publisher SQL Server Network Interface SQL Server Onculeri SQL Server Öncüleri SQL Server Öncüleri Ankara SQL Server Performance sql server performans SQL Server Profiler SQL server recovery model SQL Server Reporting Services SQL Server Restore Generate Script SQL Server sa SQL Server Security SQL Server SQL DIAG sql server tarih dönüşüm işlemi sql server tarihsel veriler ile çalışma SQL Server User SQL Server yetki SQL Server yetkilendirme sql servera .net kodu ekleme SQL Serverda yetkilendirme nasıl SQL Serverda yetkilendirme nasıl yapılır sql to oracle linked server sql türkiye SQL User With Password sql yarışma SQLCMD sql'den oracle'a linked server SQLDIAG SQLDIAG Report SQLOS sqlsaturay SQLSaturday SQLSaturday #182 SQLSaturday #359 sqlsaturday #451 sqlserveronculeri ssas SSAS 2012 SSIS SSIS 2012 ssis SSMS SSMS Project SSMS Solution ssrs Stanby Database star schema STOPAT STOPBEFOREMARK STORAGE Storage Engine stored procedure stream analytics job subreports Subscriber Subscription subscriptions symmetric SYS sys.dm_db_index_physical_stats sys.dm_db_index_usage_stats sys.dm_db_missing_index_columns sys.dm_db_missing_index_details sys.dm_db_missing_index_group_stats sys.dm_db_missing_index_groups sys.server_principals sysadmin System Databases System View şifre şifreleme table table difference TableHasClustIndex TableHasIdentity TableHasPrimaryKey Tablet PC Tabular Mode Tabular Model TCP/IP TDE Tempdb time series Transaction Transactional Publication Transactional Replication Transparent Data Encryption trigger Troubleshooting TRY_CONVERT TRY_PARSE tsql t-sql T-SQL 2012 tsql mistakes Undocument union unionall Updatable ColumnStore İndex upgrade Veri ambarı veri edinme seçenekleri Veri Güvenliği Veri Hizmetleri Veri madenciliği Veri Mürekkep Oranı Veri Tabanı Yönetim Sistemleri Veri Tipi Veri Tutarlılık Modelleri Veri Yönetimi Evrimi verinin evrimi Veritabanı oluşturmak VERİTABANI YEDEKLEME STRATEJİLERİ veritabanı yedeklerinin şifrelenmesi Veritabanı Yöneticisi Veritabanı Yönetimi VeritPaq view any database Visual Studio VTYS web services Webcast Windows 7 Windows 8 Windows Authentication Windows Azure Windows Failover Clustering wmi WRITELOG xevents xp_sqlagent_enum_jobs YEDEKLEME STRATEJİLERİ Yedekli Çalışma Yetkilendirme Yiğit Aktan ysfkhvc yusuf kahveci Yüksek Erişilebilirlik Yüksek Süreklilik zip

Business Intelligence Projelerinin Temel Elementleri - 1

Ekleyen: Koray Kocabaş YemekSepeti Senior BI Developer Tarih:10.04.2013 Okunma Sayısı:6385


Fact Table

Yazılım eğitimi aldığımız kurumları veya internet üzerindeki eğitimleri veya kaynakları göz önüne aldığımızda veritabanlarının ilk konusu normalizasyondur. Buna göre ilişkisel veritabanımızda yer alan tabloların bir kısmı Primary Key dediğimiz benzersiz bir değişkene sahiptir ve diğer tablolar ile ilişkisi bu key üzerinden ilerler.
 
Normalizasyon bir tablodaki veri satır kayıtlarını diğer tablodakilere bağlayarak ilişkilendirmek için anahtar ya da kimlik (id) alanları kullanılması suretiyle tekrarlayan verinin azaltılması anlamına gelmektedir. Basit ancak akılda kalır örnek olarak müşteri ve sipariş tablosu örnek verilebilir. Burada bir tablo ile bir müşterinin siparişlerini depolarken müşteri bilgilerini her sipariş satırında tekrarlamak (denormalizasyon) yerine müşteri bilgilerini tablodaki müşteri no alanını sipariş tablosundaki müşteri no alanına bağlayarak elde edebiliriz.
 
Daha teorik bir tanım daha vermek gerekirse;
 
Normalizasyon (ayrıştırma), veritabanlarında çok fazla sütun ve satırdan oluşan bir tabloyu tekrarlardan arındırmak için daha az satır ve sütun içeren alt kümelerine ayrıştırma işlemidir.
 
Normalizasyon bilhassa kayıt ekleme (inserting), güncelleme (updating) ve silme (deleting) işlemlerinde ciddi verimlilik artışı sağlamaktadır. İşlem yapılacak veri alanı ne kadar az olursa, güncelleme o kadar verimli ve veri tutarlılığı (data integrity) da o kadar fazla olacaktır.
 
Denormalizasyon ise verinin okunması ve sorgulanmasında veri motorunun bilgiyi sağlamak için erişmesi ve işlem yapması gereken tablo sayısını azaltması ile performans sağlamaktadır.
Bu kıyaslamadan çıkarılacak sonuç;
 
ERP gibi yoğun işlemsel hareket (transaction) gören veritabanlarında normalizasyon kullanımı gerekirken, DSS gibi işlemsel hareketlerin minimum olduğu ancak yoğun sorgulama ve raporlama yapılan veritabanlarında ise denormalizasyon kullanımı gerekmektedir. 
 
Her iki senaryonun da uygulanabilmesi ise veritabanı (database) ve uygulama (application) ortamlarının ayrılması ile mümkündür.
 
Bir veritabanında hangi primary key değerlerinin hangi foreign key değerleri ile ilişkili olduğunu tespit etmeniz için aşağıdaki kod blogu işinize yarayacaktır. 

SELECT
K_Table = ForeignTable.TABLE_NAME,
ForeignTable_Column = CU.COLUMN_NAME,
PrimaryTable_Table = PrimaryTable.TABLE_NAME,
PrimaryTable_Column = PT.COLUMN_NAME,
Constraint_Name = C.CONSTRAINT_NAME
FROM INFORMATION_SCHEMA.REFERENTIAL_CONSTRAINTS C
INNER JOIN INFORMATION_SCHEMA.TABLE_CONSTRAINTS ForeignTable ON C.CONSTRAINT_NAME = ForeignTable.CONSTRAINT_NAME
INNER JOIN INFORMATION_SCHEMA.TABLE_CONSTRAINTS PrimaryTable ON C.UNIQUE_CONSTRAINT_NAME = PrimaryTable.CONSTRAINT_NAME
INNER JOIN INFORMATION_SCHEMA.KEY_COLUMN_USAGE CU ON C.CONSTRAINT_NAME = CU.CONSTRAINT_NAME
INNER JOIN (
SELECT i1.TABLE_NAME, i2.COLUMN_NAME
FROM INFORMATION_SCHEMA.TABLE_CONSTRAINTS i1
INNER JOIN INFORMATION_SCHEMA.KEY_COLUMN_USAGE i2 ON i1.CONSTRAINT_NAME = i2.CONSTRAINT_NAME
WHERE i1.CONSTRAINT_TYPE = ‘PRIMARY KEY’
) PT ON PT.TABLE_NAME = PrimaryTable.TABLE_NAME
 
İş zekası dünyası genellikle denormalize yapılar üzerine inşa edilir. 
 
 
Veriambarlarının olmazsa olmazı fact tablolardır. Peki nedir bu Fact Table? En basit tanımıyla ihtiyaca göre birden fazla olabilen, içerisinde measure (ölçüm) değerlerimizin bulunduğu tablolardır. Yani içeriğinde hesaplanabilen değişkenlerin olduğu (int, float, money vs.) tablolardır.
 
İdeal olan yapılarda varchar gibi hesaplanamayan alanlar olmaz. Fact tablo içerisinde barındırdığı bir Primary Key ile diğer tablolara (denormalize olan boyut tablolarına) erişim yapar. Primary Key illaki fiziksel (veritabanında tanımlı) olmak zorunda değildir.
 
 
 
Peki hesaplanacak tüm değerler Fact Table üzerinde olmak zorunda mıdır? Hayır.
 
Ne demek bu? Diyelim ki bir perakende firmasısınız. Hatta artı olarak sadakat kartı (!) sahip bir firmasınız. Veri tabanınızda satışlar bulunuyor. Bunlar genellikle brüt satış miktarı olarak yer alır. Sizin iskonto oranı, sadakat kartındaki puanı kullanıp kullanmadığı vb. durumlarla birlikte toplama çıkarma işlemleri yaparak net satış miktarını bulmanız gerekmektedir. Fakat bu illa fact tabloda yer almak zorunda olan bir yapı değildir.
 
Gerek OLAP projelerinde hesaplanmış alanlar yardımıyla gerekse raporlama projelerinde expression yardımıyla bunu yapabilirsiniz. Nerede fark olur? ETL fazında hesaplatırsanız (SQL Function veya SSIS Expression yardımıyla) net satış miktarı veri ambarınızda extra bir yer tutacaktır. Kısıtlı kaynaklarla çalışıyorsanız bunu her zaman göz ardı edemezsiniz.
 
Günümüzde donanım ürünleri son derece hızla ucuzlayıp performansları arttığından genellikle bu fazda işlemler yaptırılabiliyor. Öte yandan bunu veri ambarına dahil etmezseniz projelerinizin process süresi biraz daha uzayabilir. Özetleyecek olursak fact tablolar iş zekası projelerinde  hesaplamaların yapıldığı tablolardır.
 
Dimension Table
 
 
Fact tablolarımda yer alan değerlerin (Foreign Key) ilişkilendirildiği, hesaplamalara bakacağımız boyutların tanımlandığı denormalize tablolardır. Klasik (ilişkisel) veritabanı projelerimizde yer alan coğrafi yapıları gözünüzde canlandırın.
 
Continent tablosu olur. Continent tablosu ile ilişkili Country tablosu olur. Country tablosu ile ilişkin City tablosu, City tablosu ile ilişkin District tablosu olur genelde. Verileriniz dışarıdan geliyorsa muhtemelen farklı standartlarda geleceğini varsayarsak (ISO değerleri gibi) 2 tane de referans tablomuz olsun.
Coğrafi duruma göre satış raporu oluşturmak için en az dört tane join kullanmam gerekiyor. Az kayıtlı tablolarda sıkıntı yok. Fakat ya tablolarınız çok ciddi boyutlardaysa.
 
Denormalize coğrafya boyut tablomuzda ise sadece bir tane Primary Key ve diğer kolonlarda biraz önce bahsettiğim tablolardaki değerler yer alır. Dolayısıyla bir sonuca gitmek için N tane Join’li yapıdan kurtulmuş olurum.
 
Dimension tabloları hesaplanmasını istediğimiz alanlara dair bakmak istediğimiz boyutları temsil eder. Yukarıdaki örnekte bahsettiğim coğrafi boyut işin bir tarafı. Yine perakende sektörü üzerinden gidecek olursak Ürün (ürün tipi, kategorisi, alt kategorisi vs.) bir başka boyutu, CRM yapısından beslenen segmentasyon bir başka boyut, Satış kanalları (Office, Franchise vs.) başka boyut.
 
Boyutlara illaki tek bir değer üzerinden bakmak zorunda değiliz. Ne demek bu? Satışlarımı ülkeler boyutundan göster demek yerine kıtaların altında ülke kırılımı ile göster şeklinde yapılar kurgulamak isteyebiliriz. Bunlara ise hiyerarşi denir.
 
Hiyerarşi ise bir varlığın niteliklerinin oluşturduğu gruplardır.
 

yorum yaz

Üye Girişi

Kullanıcı Adınız

Şifreniz

Şifremi Unuttum

Arkadaşına Tavsiye Et

Tavsiye edebilmek için siteye giriş yapmalısınız