Nel corso degli ultimi anni, con l'avvento delle nuove tecnologie e delle nuove architetture, molto spesso è stato passato il messaggio che i Big Data, i Data Lake, la Microservice Architecture e chi più ne ha, più ne metta, avrebbero dovuto sostituire quello che fino a qualche anno fa era conosciuto con il nome di Data Warehouse.
Sin da subito, in pochi a dire il vero, hanno ipotizzato come, queste nuove tecnologie ed architetture, fossero complementari o, se vogliamo, una estensione del Data Warehouse Tradizionale: ancora oggi le due filosofie si scontrano sul tema e la prima tende ancora a prevalere sulla seconda.
E' anche vero, però, che con il passare del tempo, un numero sempre maggiore di professionisti, ritiene che il Data Warehouse Tradizionale (inteso come quello costruito per implementare la Business Intelligence "pura") sia ancora uno strumento indispensabile da affiancare o integrare nelle nuove architetture e strumentazioni.
In questo sito, voglio riassumere quelle che sono le principali caratteristiche di un Data Warehouse Tradizionale nella sua forma più articolata che, a mio parere, è quella chiamata Enterprise Data Warehouse.
Oltre a fornire le principali definizioni, affronterò le principali tematiche relative all'ambito di applicazione. Parlerò quindi di una serie di aspetti tecnici che ruotano intorno al mondo del Data Warehouse Tradizionale, tra cui:
Inmon and Kimball Architectures
Data Quality Process
Master Data Management
Data Integration Techniques
Exchange Data Formats best practices
Data Mapping usage (aka use of Cross-reference table)
Database SQL tips and tricks
ETL techniques usage
Reporting and Data Visualization best practices and examples
Business Intelligence Application
Datasets preparation best practices
Un corso sul Data Management centrato sul Data Quality è disponibile gratuitamente sulla piattaforma Udemy.
Alcuni estratti del corso, sono disponibili anche nel canale Enterprise Data Warehouse su YouTube.