Data Warehouse

Sadržaj

Prvi deo: Data Warehouse kao uređeno skladište poslovnih podataka

Data Warehouse je arhitektura namenjena čuvanju, objedinjavanju i analitičkoj upotrebi poslovnih podataka. Za razliku od operativnih sistema koji svakodnevno beleže transakcije, skladište podataka se gradi da bi organizacija mogla da razume tokove, rezultate, trendove, pokazatelje i promene kroz vreme. Ovaj deo praktikuma uvodi osnovne pojmove, objašnjava zašto Data Warehouse postoji i kako pomaže da se podaci iz različitih sistema pretvore u pouzdanu osnovu za izveštavanje i odlučivanje.

I. Uvod u Data Warehouse

1. Šta je Data Warehouse – centralno skladište poslovnih podataka 2. Zašto je nastao Data Warehouse – potreba za pouzdanim izveštavanjem 3. Operativni i analitički podaci – razlika između svakodnevnog rada i poslovnog uvida 4. Istorijski podaci – zašto je vreme važno u skladištu podataka 5. Data Warehouse u odnosu na klasične baze – analitika pre transakcija

II. Osnovni slojevi Data Warehouse arhitekture

6. Izvori podataka – od poslovnih aplikacija do eksternih sistema 7. Staging sloj – privremeni prostor za prijem i proveru podataka 8. Integracioni sloj – objedinjavanje podataka iz različitih izvora 9. Analitički sloj – priprema podataka za izveštaje, upite i analizu 10. Prezentacioni sloj – kako korisnici pristupaju podacima

III. ETL, ELT i priprema podataka za skladište

11. Ekstrakcija podataka – preuzimanje podataka iz izvornih sistema 12. Transformacija podataka – čišćenje, standardizacija i poslovna pravila 13. Učitavanje podataka – kako podaci ulaze u Data Warehouse 14. Inkrementalno učitavanje – rad sa novim i promenjenim podacima 15. Kontrola kvaliteta u ETL procesu – provere pre analitičke upotrebe

IV. Modelovanje podataka u Data Warehouse sistemu

16. Dimenzioni model – jednostavan način za poslovnu analitiku 17. Činjenice – merljivi događaji, iznosi, količine i rezultati 18. Dimenzije – kontekst za razumevanje poslovnih događaja 19. Star schema – model zvezde za brze i razumljive analitičke upite 20. Snowflake schema – normalizovane dimenzije i složeniji modeli

Drugi deo: Analitika, upravljanje i praktična upotreba Data Warehouse sistema

Dobro projektovan Data Warehouse nije samo tehničko skladište, već zajednički jezik između podataka, poslovnih procesa i ljudi koji donose odluke. Da bi bio koristan, mora imati jasne pokazatelje, stabilne modele, proverljiv kvalitet, bezbedan pristup i razumljive izveštaje. Ovaj deo praktikuma vodi kroz data mart sisteme, KPI pokazatelje, agregacije, OLAP pristup, upravljanje podacima i mini projekte koji pokazuju kako skladište podataka postaje temelj poslovne analitike.

V. Data Mart, KPI i poslovni pokazatelji

21. Data Mart – tematsko skladište podataka za određenu oblast poslovanja 22. KPI pokazatelji – kako merimo ono što je poslovno važno 23. Metrike i dimenzije – osnova svakog analitičkog izveštaja 24. Agregacije – zbir, prosek, minimum, maksimum i drugi sažeti pogledi 25. Vremenske dimenzije – dani, meseci, kvartali, godine i istorijski pregled

VI. Izveštavanje, OLAP i analitička upotreba

26. Izveštavanje – od tabela do poslovnih kontrolnih tabli 27. OLAP analiza – posmatranje podataka iz više uglova 28. Slice, dice, drill-down i roll-up – osnovne analitičke operacije 29. Dashboardi – vizuelni pregled najvažnijih pokazatelja 30. Self-service analitika – kada korisnici sami istražuju podatke

VII. Kvalitet, bezbednost i upravljanje skladištem podataka

31. Kvalitet podataka – tačnost, potpunost, doslednost i poverenje 32. Master data i referentni podaci – zajednički šifrarnici i stabilni pojmovi 33. Data governance – pravila, odgovornosti i kontrola upotrebe podataka 34. Prava pristupa – ko sme da vidi koje podatke 35. Audit i lineage – trag porekla, promena i korišćenja podataka

VIII. Praktični primeri i mini projekti

36. Primer prodaje – činjenice, dimenzije i osnovni izveštaji 37. Primer korisnika i proizvoda – povezivanje poslovnih pojmova 38. Primer vremenske dimenzije – analiza po danima, mesecima i godinama 39. Mini projekat – jednostavan Data Warehouse za poslovno izveštavanje 40. Mini projekat – Data Warehouse kao osnova za dashboard i KPI analitiku

Zaključak: Data Warehouse pretvara poslovne podatke u pouzdano znanje za odlučivanje