Usposabljanja   /   Podatkovno skladiščenje in ETL za MSP
Data Warehouse · ETL · PostgreSQL

Podatkovno skladiščenje in ETL za MSP

Kako podatke iz ERP-ja, CRM-ja, proizvodnje, Excelov in drugih sistemov pretvoriti v urejeno, zanesljivo podatkovno osnovo za analitiko in BI?

Od razpršenih podatkov do ene analitične osnove
Poslovni sistem ERP
→
Prodaja CRM
Datoteke Excel / CSV
→
Operativa Proizvodnja
Extract · Transform · Load ETL → PODATKOVNO SKLADIŠČE
Analitika OLAP
Uporaba BI / Dashboardi
Zakaj podatkovno skladišče?

Ena konsistentna osnova namesto različnih številk

Podatki so pogosto razpršeni med ERP, CRM, proizvodnjo, Excel in druge sisteme. Podatkovno skladišče jih poveže, očisti in pripravi tako, da analitika temelji na eni zanesljivi podatkovni osnovi.

Pred

Razpršeni podatki

  • več različnih virov
  • ročno združevanje Excelov
  • različni izračuni istega KPI-ja
  • veliko ročnega poročanja
→
Po

Enotna analitična osnova

  • povezani podatkovni viri
  • enotna poslovna pravila
  • avtomatiziran ETL
  • pripravljeni podatki za BI
Dimenzijsko modeliranje

Kako organiziramo podatke za analitiko?

Pri zvezdni shemi so v središču fakti, kot so prodaja, količina ali prihodek. Okoli njih so dimenzije, ki povedo kdo, kaj, kdaj in kje.

Tako lahko isti rezultat analiziramo po kupcu, izdelku, času ali lokaciji.

Dimenzija IZDELEK
Dimenzija KUPEC
Faktna tabela PRODAJA
Dimenzija ČAS
Dimenzija LOKACIJA
ETL v praksi

Kaj ETL naredi s podatki?

Podatke zajamemo, preverimo, preoblikujemo in pripravimo za zanesljivo uporabo v analitiki.

E

Extract

Zajem podatkov iz ERP-ja, CRM-ja, datotek, proizvodnih sistemov in drugih virov.

T

Transform

Čiščenje, preverjanje, povezovanje in izvajanje poslovnih pravil.

L

Load

Zapis pripravljenih podatkov v podatkovno skladišče.

Kaj pa, če podatek manjka, je napačen ali podvojen?
01   preveri vir podatka
02   validiraj zapis
03   izvedi transformacijo
04   obravnavaj napako
05   zapiši rezultat
Program usposabljanja

16 PU praktičnega dela s podatki

Za IT kader, ki želi razumeti načrtovanje, postavitev in vzdrževanje podatkovnega skladišča.

Obseg 16 pedagoških ur
Izvedba 3 delavnice
Oblika Fizično · delo na računalnikih
Tehnologije PostgreSQL + prenosljive dobre prakse
01
Arhitektura in dimenzijsko modeliranje

Načrtovanje podatkovnega skladišča za poslovno analitiko.

4 PU
02
Dimenzije, fakti in SCD

Faktne in dimenzijske tabele ter spreminjajoče se dimenzije.

3 PU
03
ETL procesi

Zajem, transformacija, polnjenje in obravnava napak.

4 PU
04
Kakovost in optimizacija

Validacija, indeksiranje in optimizacija delovanja.

3 PU
05
Povezava z OLAP in BI

Kako podatkovno skladišče postane zanesljiv vir za analitiko.

2 PU
Kakovost podatkov Kaj pomaga popoln dashboard, če so podatki pod njim napačni?
Manjkajoče vrednosti

Prepoznamo in ustrezno obravnavamo nepopolne podatke.

Podvojeni zapisi

Preprečimo, da isti dogodek nastopa večkrat.

Neusklajene šifre

Podatke iz različnih sistemov povežemo v skupno strukturo.

Zmogljivost

Z indeksiranjem in optimizacijo poskrbimo za učinkovite poizvedbe.

Zaledje Podatkovno skladišče

Strukturirani, preverjeni in zgodovinsko konsistentni podatki.

→
Uporaba OLAP · BI · Dashboardi

Analize, KPI-ji in poročila na isti podatkovni osnovi.

Prilagojena izvedba

Program prilagodimo vašemu podatkovnemu okolju

Vsebino lahko prilagodimo tehnologijam, poslovni domeni in podatkovnim virom, s katerimi dela vaša IT ekipa.

Od razpršenih podatkov do zanesljive analitične osnove

Predstavite nam svoje vire podatkov, obstoječe okolje in cilje. Program prilagodimo tako, da bo znanje uporabno za vašo IT ekipo.

Menu
ResEvo D.O.O.
Finžgarjeva 1a
4248 Lesce, SLOVENIJA
MŠ: 2296896
DŠ: SI13015702
TRR: SI56 0400 0027 8985 327
Srce podjetja ResEvo je ekipa, ki jo tvorijo izjemni ljudje.
Prodaja
prodaja@resevo.com
Tel: +386 41 911 523
Podpora
podpora@resevo.com
Made on
Tilda