Maintenant que vous disposez d'une base conceptuelle pour le développement d'un entrepôt de données, vous allez commencer à utiliser les outils de l'entrepôt de données. Dans le module 2, vous découvrirez la représentation multidimensionnelle d'un entrepôt de données utilisée par les analystes commerciaux. Vous appliquerez ce que vous avez appris dans la pratique et les problèmes notés en utilisant WebPivotTable, un outil basé sur le Web pour manipuler les tableaux croisés dynamiques. À la fin de ce module, vous disposerez de solides connaissances pour communiquer et assister les analystes commerciaux qui utilisent une représentation multidimensionnelle d'un entrepôt de données. Pour terminer ce module, vous devez passer au devoir et au quiz concernant WebPivotTable.

Ce module met l'accent sur les compétences en matière de conception d'entrepôts de données. Maintenant que vous comprenez la représentation multidimensionnelle utilisée par les analystes d'entreprise, vous êtes prêt à vous familiariser avec la conception d'un entrepôt de données à l'aide d'une base de données relationnelle. En pratique, la représentation multidimensionnelle utilisée par les analystes commerciaux doit être dérivée de la conception d'un entrepôt de données utilisant un SGBD relationnel. Vous découvrirez les modèles de conception, les problèmes de résumabilité, les transformations pour l'intégration des schémas et les méthodologies de conception. Vous appliquerez ces concepts à des mini-études de cas sur la conception d'entrepôts de données. À la fin du module, vous aurez créé des conceptions d'entrepôts de données basées sur les sources de données et les besoins commerciaux d'organisations hypothétiques.

Le module 4 vous permet d'approfondir vos connaissances sur le développement d'un entrepôt de données. Après avoir découvert les concepts et les pratiques de conception de schémas, vous êtes prêt à vous familiariser avec les processus d'intégration de données permettant d'alimenter et de rafraîchir un entrepôt de données. Les informations du module 4 couvrent les concepts relatifs aux sources de données, aux processus d'intégration de données et aux techniques de recherche de motifs et de recherche inexacte de texte. Le module 4 fournit des informations détaillées sur les instructions SQL pour l'intégration de données avec des exemples et un exercice pour Oracle Cloud et PostgreSQL. Le module 4 fournit un contexte pour les compétences logicielles que vous apprendrez dans le module 5.

Le module 5 approfondit les connaissances sur l'intégration de données acquises dans le module 4. Le module 5 couvre les architectures, les fonctionnalités et les détails des outils d'intégration de données pour compléter les connaissances conceptuelles du module 4. Vous découvrirez les caractéristiques de deux outils d'intégration de données open source, Talend Open Studio et Pentaho Data Integration. Vous utiliserez Pentaho Data Integration dans un tutoriel guidé en préparation d'un devoir noté impliquant Pentaho Data Integration. Pour le tutoriel et le devoir, vous devez vous connecter à un serveur de base de données, Oracle Cloud ou PostgreSQL. Si vous avez le temps, je vous recommande de réaliser le travail d'intégration de données en utilisant à la fois Oracle Cloud et PostgreSQL.