Introduzione

Gli archivi dati analitici organizzano i dati in modo diverso rispetto ai sistemi transazionali. Sebbene i database transazionali siano ottimizzati per inserimenti e aggiornamenti rapidi, i carichi di lavoro analitici necessitano di dati strutturati per query, filtri e aggregazioni efficienti. La modellazione dimensionale fornisce il framework di progettazione che rende possibile questa operazione.

Si supponga di lavorare in un'organizzazione di analisi delle vendite al dettaglio. I data engineer creano pipeline che inseriscono dati in Microsoft Fabric da più sistemi di origine, incluse transazioni punto vendita, record di inventario e dati dei clienti. È quindi necessario progettare le strutture di dati che trasformano questi dati non elaborati in un modello ottimizzato per la creazione di report e l'analisi. È necessario comprendere quali modelli di schema usare, come acquisire eventi aziendali nelle tabelle dei fatti, come organizzare attributi descrittivi nelle tabelle delle dimensioni e come gestire i dati modificati nel tempo.

In questo modulo vengono esaminati i concetti di modellazione dimensionale e applicarli all'interno di Microsoft Fabric. Imparerai riguardo ai tipi di schemi star e snowflake, ai principi di progettazione delle tabelle di fatti e dimensioni e ai modelli per la gestione delle dimensioni a cambiamento lento. Questi concetti verranno quindi applicati in un esercizio di progettazione guidato.

Al termine di questo modulo, è possibile progettare un modello dimensionale che organizza i dati per query analitiche efficienti e supporta scenari di creazione di report umani e intelligenza artificiale.