前一天介紹了維度模型，今天就維度模型部分繼續做補充。

企業要做DW/BI時規模非常龐大，會有70%時間精力花在DW/BI環境，需要要先挑最重要的一、兩個議題做，而做ETL前維度模型要先設計好。

ETL各自的工作項目

• 萃取：Extract，從資料來源系統把資料萃取出來，原封不動地抄寫到集結區，最大的挑戰是如何萃取的快？
• 轉換：Transformation，資料清理，資料格式統一，資料清理取決於我們的目標，空格也要注意去清理，集結過程中需要暫存區
• 載入：Load，轉換完的資料載入到設計好的維度模型裡面

建立維度模型好比經營餐館一樣

back room(廚房)：

• 已經設計好食譜=維度模型已經先設計好
• 原食材從菜市場買回來=sourse system的data(raw data)
• 食材買回來要先清洗，要按照食譜去做轉換的=清洗清理資料
• 朝著我們設計的食譜設計=想要設計的維度模型的樣子
• 炒好煮好之後放到盤子=放到維度模型裡面

front room(客人end user)：

• 客人享用食物=客人拿去做BI的應用
• 客人只能透過presentation area到維度模型把資料拿去作商業智慧應用(BI APP)或統計與機器學習應用等，終端使用者看到的就是資料呈現區

The Staging Area資料集結區(危險的廚房)：

End User是不能碰集結區的，因為怕把資料弄壞(使用增刪修改)，而多數都會有安全上的問題(機密、個資)，所以只有廚師能碰=資料管理人員Data manager

今天先介紹到這，明天我們來討論ETL架構的子系統與與資料品質的衡量。

參考資料與圖片來源

• 我的大學老師