Jetzt, da Sie den informativen Kontext für die Unterstützung von Data Warehouses durch relationale Datenbanken kennen, werden Sie damit beginnen, relationale Datenbanken zum Schreiben von Business Intelligence-Abfragen zu verwenden! In Modul 2 lernen Sie eine wichtige Erweiterung der SQL SELECT-Anweisung für Zwischensummenoperatoren kennen. Sie werden das Gelernte in der Praxis anwenden und benotete Probleme mit SQL (Oracle oder PostgreSQL) für Probleme mit den Operatoren CUBE, ROLLUP und GROUPING SETS lösen. Da die Zwischensummen-Operatoren Teil des SQL-Standards sind, lässt sich das Gelernte ohne weiteres auf andere Unternehmens-DBMS übertragen. Am Ende dieses Moduls verfügen Sie über eine solide Grundlage, um als Data Warehouse-Analyst Abfragen mit den SQL-Zwischensummenoperatoren zu schreiben.

Nach Ihren Erfahrungen mit den SQL-Zwischensummenoperatoren sind Sie bereit, eine weitere wichtige SQL-Erweiterung für Business Intelligence-Anwendungen kennenzulernen. In Modul 3 lernen Sie ein erweitertes Verarbeitungsmodell für analytische SQL-Funktionen kennen, die gängige Analysen in Business Intelligence-Anwendungen unterstützen. Sie werden das Gelernte in der Praxis anwenden und mit SQL (Oracle oder PostgreSQL) abgestufte Probleme lösen, bei denen es um die qualitative Einstufung von Geschäftseinheiten, um Fenstervergleiche, die die Beziehungen zwischen Geschäftseinheiten im Zeitverlauf zeigen, und um quantitative Beiträge geht, die Leistungsschwellen und Beiträge einzelner Geschäftseinheiten zum gesamten Unternehmen zeigen. Da die analytischen Funktionen Teil des SQL-Standards sind, lässt sich das Gelernte auch auf andere Unternehmens-DBMS anwenden. Am Ende dieses Moduls verfügen Sie über eine solide Grundlage, um als Data Warehouse-Analyst Abfragen unter Verwendung der SQL-Analysefunktionen zu schreiben.

Nachdem Sie sich Kenntnisse über die Formulierung von Abfragen für die Entwicklung von Business Intelligence-Anwendungen angeeignet haben, sind Sie bereit, sich mit DBMS-Erweiterungen für die effiziente Ausführung von Abfragen zu befassen. Business Intelligence-Abfragen können viele Ressourcen verbrauchen, so dass die Verarbeitung und das Design von materialisierten Ansichten zu einer wichtigen Erweiterung von DBMS geworden ist. In Modul 4 lernen Sie eine SQL-Anweisung zur Erstellung von materialisierten Ansichten, Verarbeitungsanforderungen für materialisierte Ansichten und Regeln für das Umschreiben von Abfragen mit materialisierten Ansichten kennen. Um einen Einblick in die Komplexität des Umschreibens von Abfragen zu erhalten, werden Sie das Umschreiben von Abfragen mit materialisierten Ansichten üben. Um einen Überblick über die Unterstützung relationaler Datenbanken für Data Warehouses zu erhalten, lernen Sie die Oracle-Tools für die Datenintegration kennen, den Oracle Data Integrator sowie zwei SQL-Anweisungen, die für bestimmte Datenintegrationsaufgaben nützlich sind. Nach diesem Modul verfügen Sie über ein solides Hintergrundwissen, um materialisierte Ansichten zur Verbesserung der Abfrageleistung zu verwenden und den Extraktions-, Lade- und Transformationsansatz für die Datenintegration als Data Warehouse-Administrator oder Analyst einzusetzen.

Modul 5 setzt den Kurs mit einer Rückkehr zu konzeptionellem Material über physische Designtechnologien und Praktiken der Datenverwaltung fort. Sie lernen etwas über Speicherarchitekturen, skalierbare Parallelverarbeitung, Big Data und Data Governance. Nach diesem Modul verfügen Sie über Hintergrundwissen zu konzeptionellen Fragen, die für Data Warehouse-Administratoren wichtig sind.

Modul 6 bietet optionales fortgeschrittenes Material zur Abfrageformulierung für Lernende, die Kenntnisse und Fähigkeiten auf Expertenebene anstreben. Die fortgeschrittene Abfrageformulierung kann den Lernenden helfen, sich einen Vorteil am Arbeitsplatz zu verschaffen, um einen Expertenstatus zu erlangen und einen hohen Wert für ein Unternehmen zu schaffen. Modul 6 umfasst Originalmaterial für fortgeschrittene Abfrageformulierungsfähigkeiten, die die Lernenden darauf vorbereiten, mit Data Scientists an Data Mining-Aufgaben zusammenzuarbeiten. Der Kursleiter hat das Material in Modul 6 auf der Grundlage seiner langjährigen Erfahrung mit SQL für Data-Mining-Projekte entwickelt. Die SQL-Kodierungskenntnisse lassen sich auch auf andere fortgeschrittene Abfrageformulierungsaufgaben übertragen. Modul 6 vermittelt diese spezifischen Kenntnisse und Fähigkeiten.- Beispiele und Praxis mit Data Lakes und Data Warehouses, da Data Mining-Projekte beide Arten von Datenquellen umfassen können- SQL-Kodierungskenntnisse für zwei prominente Data Mining-Aufgaben, Assoziationsregel-Mining und Klassifizierungsalgorithmen unter Verwendung von Trainingsdaten mit begrenzter Ereignishistorie- Neue SQL-Elemente für die Verwaltung komplexer SQL-Kodierung, Array-Ergebnisse, unabhängige Unterabfragen mit dem Vergleichsoperator IN, eine neue analytische Funktion und die bedingte Zuweisung von Spaltenwerten- Neue SQL-Kodierungsfähigkeiten für atypische Join-Muster- Einzigartige Pädagogik mit Anweisungsmustern zum Schreiben von Vorlage-SELECT-Anweisungen als erster Schritt zu einer vollständigen SELECT-AnweisungDas Modul 6 bietet aufgrund des fortgeschrittenen Materials Lektion 9 als Auszeichnung mit Problemen, Konzeptquiz, Zuweisung und Selbstbewertung. Mit dem Konzept-Quiz können Sie überprüfen, ob Sie die Videolektionen und die dazugehörigen Notizen verstanden haben. Die Lernenden sollten das Konzept-Quiz ausfüllen, bevor sie mit den Übungsaufgaben und der benoteten Aufgabe beginnen, um das konzeptionelle Verständnis des Materials sicherzustellen.