Star Schema: la referencia completa

Opiniones de los lectores

El libro es un recurso completo para el modelado dimensional, centrado específicamente en los esquemas de estrella y copo de nieve. Está bien organizado y ofrece explicaciones y ejemplos detallados, por lo que resulta adecuado tanto para principiantes como para profesionales experimentados. Muchos de los lectores consideran que el estilo de redacción es atractivo y les ayuda a comprender fácilmente conceptos complejos. Sin embargo, algunos señalaron problemas con la falta de ilustraciones en la versión Kindle y recomendaron una copia física para un mejor uso.

Cobertura completa y detallada de los esquemas de estrella y copo de nieve.

Estilo bien escrito y atractivo que ayuda a comprender temas complejos.

(basado en 64 opiniones de lectores)

Título original:

Star Schema the Complete Reference

Contenido del libro:

La guía definitiva para el diseño dimensional de su almacén de datos.

Aprenda las mejores prácticas de diseño dimensional. Star Schema: The Complete Reference ofrece una cobertura en profundidad de los principios de diseño y sus fundamentos subyacentes. Organizado en torno a conceptos de diseño e ilustrado con ejemplos detallados, se trata de una guía paso a paso para principiantes y un recurso completo para expertos.

Este volumen integral comienza con los fundamentos del diseño dimensional y muestra cómo encajan en diversas arquitecturas de almacenes de datos, incluidas las de W. H. Inmon y Ralph Kimball. El libro avanza a través de una serie de técnicas avanzadas que le ayudarán a abordar la complejidad del mundo real, maximizar el rendimiento y adaptarse a los requisitos de los productos de software BI y ETL. Se le proporcionan tareas de diseño y entregables que pueden incorporarse a cualquier proyecto, independientemente de su arquitectura o metodología.

⬤ Dominar los fundamentos del diseño de esquemas en estrella y el procesamiento de cambios lentos.

⬤ Identificar situaciones que requieran múltiples estrellas o cubos.

⬤ Garantizar la compatibilidad entre áreas temáticas a medida que crece el almacén de datos.

⬤ Acomodar atributos repetitivos, jerarquías recursivas y datos de baja calidad.

⬤ Soportar requisitos contradictorios para datos históricos.

⬤ Manejar la variación dentro de un proceso de negocio y la correlación de actividades dispares.

⬤ Aumentar el rendimiento utilizando esquemas derivados y agregados.

⬤ Aprender cuando es apropiado ajustar diseños para herramientas BI y ETL.