DataWorks Data Modeling mengikuti metodologi pemodelan dimensional yang dikembangkan oleh Ralph Kimball. Dengan fitur pemodelan dimensional di DataWorks, Anda dapat merancang model gudang data melalui pembuatan tabel dimensi, tabel fakta, tabel agregat, dan tabel aplikasi sesuai kebutuhan bisnis. Model tersebut kemudian dapat dipublikasikan dengan cepat ke sumber daya komputasi yang sesuai. Selain itu, Anda juga dapat menggunakan pemodelan terbalik untuk menghasilkan model dari tabel fisik yang telah ada.
Anda dapat menggunakan Data Modeling untuk perencanaan dan desain gudang data serta untuk membuat tabel fisik secara cepat dari model dalam sumber daya komputasi. Penghapusan model tidak memengaruhi tabel fisik.
Perspektif pemodelan
Pemodelan Dimensional memungkinkan Anda mengklasifikasikan tabel model yang dibuat ke dalam ODS and Common Layers dan Application Layer. Anda dapat memilih lapisan yang sesuai berdasarkan kebutuhan Anda. Setiap lapisan mendukung perspektif manajemen yang berbeda.
Common Layer: Memproses dan mengintegrasikan data umum dari lapisan ODS. Pada lapisan ini, Anda dapat menetapkan dimensi dan metrik terpadu serta membangun data fakta detail dan ringkasan yang dapat digunakan kembali untuk analisis dan statistik. Tabel model pada lapisan ini dapat dikelola dari perspektif Data Domain atau Business Category.
Application Layer: Berdasarkan kebutuhan aplikasi tertentu, lapisan ini mengambil data yang telah diproses dan diintegrasikan dari lapisan umum. Lapisan ini digunakan untuk statistik data personalisasi dalam skenario aplikasi atau Produk tertentu. Tabel model pada lapisan ini hanya dapat dikelola dari perspektif Business Category.
Unlayered: Jika tabel model yang dibuat tidak ditetapkan ke lapisan mana pun (baik Common Layer maupun Application Layer), maka tabel tersebut ditempatkan dalam kategori Unlayered.
Setelah memilih suatu lapisan, Anda hanya dapat membuat tabel target di lapisan tersebut. Anda juga dapat beralih ke perspektif manajemen yang didukung oleh lapisan tersebut dalam pohon direktori untuk melihat dan mengelola tabel model di dalamnya.
Dimensi
Dimensi adalah sudut pandang untuk mengukur dan mengamati suatu bisnis. Dimensi merupakan perspektif yang digunakan untuk menggambarkan konteks saat menganalisis data. Dalam pemodelan dimensional, dimensi menentukan latar belakang atau kondisi suatu proses bisnis dan membantu memahami data dari berbagai sudut pandang. Sebagai contoh, dalam skenario transaksi E-dagang, produk, wilayah, dan waktu semuanya dapat menjadi dimensi.
Untuk informasi lebih lanjut tentang cara merancang dan membuat dimensi, lihat Buat model konseptual: Dimensi.
Tabel dimensi
Ekstrak semua dimensi yang mungkin ada di setiap domain data, lalu simpan dimensi beserta atribut-atributnya dalam tabel dimensi. Misalnya, ketika menganalisis data bisnis e-dagang, dimensi yang mungkin (beserta atribut masing-masing) mencakup pesanan (ID pesanan, waktu pembuatan pesanan, ID pembeli, dan ID penjual), pengguna (jenis kelamin dan tanggal lahir), serta komoditas (ID komoditas, nama komoditas, dan waktu komoditas dipajang). Anda dapat membuat tabel dimensi berikut: tabel dimensi pesanan, tabel dimensi pengguna, dan tabel dimensi komoditas. Atribut setiap dimensi digunakan sebagai bidang dalam tabel dimensi. Tabel dimensi tersebut dapat dideploy di gudang data dan diisi melalui operasi ekstrak, transformasi, dan muat (ETL) agar data dimensi tersimpan dalam format yang ditentukan. Hal ini memungkinkan staf bisnis mengakses data tersebut untuk analisis lebih lanjut.
Untuk informasi lebih lanjut tentang cara merancang dan membuat tabel dimensi, lihat Buat model logis: Tabel dimensi.
Tabel fakta
Urutkan dan analisis data yang dihasilkan dalam setiap proses bisnis, lalu simpan data tersebut dalam tabel fakta sebagai bidang. Misalnya, Anda dapat membuat tabel fakta untuk proses bisnis pemesanan dan mencatat informasi berikut sebagai bidang dalam tabel fakta: ID pesanan, waktu pembuatan pesanan, ID komoditas, jumlah komoditas, dan jumlah penjualan. Tabel fakta tersebut dapat dideploy di gudang data dan diisi melalui operasi ETL agar data dirangkum dan disimpan dalam format yang ditentukan. Hal ini memungkinkan staf bisnis mengakses data tersebut untuk analisis lebih lanjut.
Untuk informasi lebih lanjut tentang cara merancang dan membuat tabel fakta, lihat Buat model logis: Tabel fakta.
Tabel agregat
Tabel agregat mengorganisasi data statistik untuk beberapa metrik turunan yang memiliki periode dan dimensi yang sama dalam suatu domain data. Tabel ini merupakan hasil abstraksi bisnis tingkat tinggi dan menyediakan dasar untuk kueri bisnis selanjutnya, analisis pemrosesan analitik daring (OLAP), serta distribusi data. Untuk informasi lebih lanjut tentang cara merancang dan membuat tabel agregat, lihat Buat model logis: Tabel agregat.
Tabel aplikasi
Tabel aplikasi berorientasi pada skenario bisnis tertentu dan mengorganisasi data statistik untuk beberapa metrik atomik, metrik turunan, atau granularitas statistik yang memiliki periode dan dimensi yang sama. Hal ini menyediakan dasar untuk kueri bisnis selanjutnya, analisis OLAP, serta distribusi data. Anda dapat merancang tabel aplikasi sesuai kebutuhan bisnis dan skenario aplikasi Anda. Untuk informasi lebih lanjut tentang cara merancang dan membuat tabel aplikasi, lihat Buat model logis: Tabel aplikasi.
Pemodelan terbalik
Pemodelan terbalik menghasilkan model logis dari tabel fisik yang sudah ada. Fitur ini memungkinkan Anda membuat model dengan cepat tanpa harus melakukan kembali operasi pemodelan, sehingga menghemat banyak waktu. Untuk informasi lebih lanjut tentang pemodelan terbalik, lihat Pemodelan terbalik: Lakukan pemodelan terbalik pada tabel fisik.