Kıbrıs TDWI Advanced Data Modeling Techniques Eğitimi

Bu eğitimi kendi kurumunuzda planlayabilirsiniz. Bize Ulaşın!

İster kurumlar ve ilişkiler olarak veri gereksinimlerini belirleyen bir iş verileri modelleyicisi isterseniz de tablolar, sütunlar ve dizinlerle daha fazla ilgili olan bir fiziksel veri modelleyicisi olun, zor olanın görünenin altında yatan kısım olduğunu bilirsiniz. Gerek mantıksal gerekse de teknik olsun her bir veri tasarımı ölçeklenebilirlik, uyarlanabilirlik, performans, eski sistemler ve paket veritabanları gibi bir veya daha fazla sayıdaki kompleks hususun getirdiği zorluklarla karşılaşmaktadır. Her bir veri modeli de kendi sorularını beraberinde getirmektedir. Gelişmiş modelleme teknikleri ise bu soruların birçoğuna cevap sunmaktadır. Bu eğitim, veri modellemesi uygulayıcılarının karşı karşıya olduğu farklı durumları keşfetmekte ve uygun veri modellerinin geliştirilmesine yardımcı olacak bilgi ve teknikleri sunmaktadır.

Herhangi bir ön koşul yoktur.

Pratik deneyimi olan veri modelleyicileri; veri mimarları; veritabanı geliştiriciler

Kurumsal mimari yaklaşımları ve bunların nasıl uygulanacağı
Büyük veri ve analitiğin klasik yaklaşımları nasıl etkilediği
Farklı veri modelleri ve bunların birbirleriyle ilişkisi
Analitikte modellemenin rolü
Daha fazla normalleşme şekilleri
Genelleşme ve uzmanlaşmanın etkin bir şekilde nasıl uygulandığı
Veri yönetiminde meta veri yönetiminin rolü
Durum ve zaman bağımlılıkları ve bunların nasıl ele alınacağı
Veri modelinin nasıl doğrulandığı
Uygulamaya dayalı olarak iş veri modellerinin fiziksel veri modellerine nasıl dönüştürüldüğü
Alternatif depolama yaklaşımlarının çıkarımları
Tamamlayıcı modellerin rolleri ve yapıları
Birden çok zaman dilimi ve para biriminin nasıl ele alındığı

Module 1: Data Modeling Concepts

Enterprise Architecture
- Definition
- Zachman Framework Overview
- Data Modeling Framework for BI
- Levels of Data Models – Enterprise Perspective
- Levels of Data Models – Project Perspective
- The Open Group Architecture Framework
- Control Objectives for Information Technology
- Frameworks – Discussion
Higher Normal Forms
- Boyce-Codd Normal Form
- Fourth Normal Form
- Fifth Normal Form
- Anchor Modeling
- Data Vault Modeling
Specialization and Generalization
- Roles and Classifications
- Considerations
- Party
Presentation
- Standards

Module 2: Business Data Model Development

Business Data Model Development Approaches
- Top-Down
- Bottom-Up
- Generic Models
- Limited Depth Models
Data Modeling Roles
- Functions, Traits, and Challenges
Business Data Model Application
- Basis for System Data Model
- Transformation and Integration Foundation
- Package Selection
- Business Communications
- Data Profiling
- Data Governance
Data Governance
- Definition
- Quality Improvement
- Real-Time Implications
- Metadata Management
- Information Subject Area
- Big Data
- Big Data Challenges

Module 3: System and Physical Data Model Development

Data Modeling Roles
- Functions, Traits, and Challenges
Globalization / Localization
- Information Needs
- Currencies
- Time Zones
- Languages
Non-Relational Data Structures
- Columnar Databases
- In-Memory Databases
- XML Structures
- Key Value Pairs
Business Analytics
- Definition
- Schema on Read
- Modeling Process

Module 4: Additional Concepts

Recursive Relationships
- Normalized Approach
- Dimensional Approach
Cloud
- Modeling Implications
Complementary Models
- State Transition Model
- Function Models
- Process Models
- Model Management
Model Management
- Model Validation and Testing
- Model Synchronization
- Tool Exploitation
- Data Modeling Tools
- Repositories

Module 5: Summary and Conclusions

Summary of Key Points
- A Quick Review
Appendix A: Bibliography and References
Appendix B: Exercises
- Exercise 1: Normalization to Higher Normal Forms
- Exercise 2: Party Modeling
- Exercise 3: Financial Institution Model
- Exercise 4: Model Application for Data Profiling
- Exercise 5: Application System Model Development
- Exercise 6: Model Evaluation