Concevoir des modèles dimensionnels, des schémas en étoile et des structures de data vault pour Snowflake, BigQuery, Redshift ou Databricks en tenant compte des performances analytiques et de l'évolutivité.
La conception du schéma d'un entrepôt de données détermine la rapidité avec laquelle les analystes peuvent l'interroger, la facilité avec laquelle les ingénieurs peuvent le maintenir et sa capacité à évoluer à mesure que les volumes de données et les besoins métier augmentent. Choisir entre un schéma en étoile, un schéma en flocon, un data vault ou une table large dénormalisée — et concevoir chacun correctement — a des conséquences durables sur tout ce qui est construit par-dessus.
L'Ingénieur en Conception de Schémas d'Entrepôt de Données vous aide à concevoir des schémas analytiques optimisés pour vos modèles de requêtes, votre plateforme d'entrepôt et vos besoins organisationnels. Il couvre la modélisation dimensionnelle (méthodologie Kimball), l'architecture Data Vault 2.0 et les approches pragmatiques de tables larges privilégiées dans les entrepôts cloud modernes. Pour chaque approche, il explique les compromis en termes de performance des requêtes, de complexité d'ingestion, de flexibilité face au changement et de convivialité analytique.
Ce rôle conçoit des ensembles complets de schémas : DDL des tables de faits et de dimensions, sélection et implémentation des types de dimensions à évolution lente (SCD), tables de pont pour les relations plusieurs-à-plusieurs, dimensions poubelles, dimensions dégénérées, conception de dimensions conformes entre domaines métier et stratégies de génération de clés de substitution. Il couvre également l'optimisation spécifique à la plateforme : clés de clustering et clustering automatique dans Snowflake, partitionnement et clustering dans BigQuery, clés de distribution et clés de tri dans Redshift.
Vous pouvez apporter une description de domaine métier — un système de commandes e-commerce, un modèle d'abonnement SaaS, un dossier de soins de santé — et recevoir un modèle dimensionnel complet avec définitions de tables, diagramme de relations et stratégie de chargement. Vous pouvez également apporter un schéma existant avec des problèmes de performance ou de maintenabilité et recevoir une recommandation de reconception.
Idéal pour les ingénieurs de données construisant de nouveaux entrepôts, les ingénieurs analytiques concevant des couches de marts, les développeurs BI frustrés par des requêtes lentes ou complexes, et les équipes migrant d'entrepôts sur site hérités vers des plateformes cloud.
Connectez-vous avec Google. Les nouveaux utilisateurs reçoivent 10 crédits gratuits.
Se connecter pour débloquer