Manakah dari pernyataan berikut yang paling tepat menggambarkan pendekatan Inmon dalam merancang data warehouse?

• Memprioritaskan fleksibilitas visualisasi data

• Dimulai dengan data mart terdesentralisasi

• Fokus pada integrasi data pada tingkat entitas yang dinormalisasi

• Menghindari pembuatan model logis secara rinci

• Menganalisis proses bisnis terlebih dahulu

Apa keuntungan utama dari model data warehouse Inmon?

• Dimensi dikonformasi sejak awal

• Pelaporan dapat segera diaktifkan

• Mengurangi anomali pembaruan data

• Tidak memerlukan tim spesialis

• Tidak menggunakan proses ETL

Dalam pendekatan Kimball, integrasi antar data mart dilakukan melalui:

• Skema snowflake

• Penggunaan surrogate key yang acak

• Konformed dimensions

• Normalisasi dimensi

• Replikasi skema fakta

Keunggulan utama star schema dalam pendekatan Kimball adalah:

• Mendukung analisis OLTP

• Lebih cepat dibangun dibanding skema galaksi

• Meningkatkan kompleksitas query

• Cocok untuk proses bisnis operasional

• Menyulitkan pengguna bisnis untuk eksplorasi data

Konsep 'Enterprise Bus Matrix' dalam metodologi Kimball digunakan untuk:

• Menyusun skema snowflake

• Mengidentifikasi ETL yang gagal

• Memetakan proses bisnis dan dimensi yang digunakan

• Menentukan indeks untuk database

• Mengatur keamanan pengguna akhir

Mengapa dimensi pada model Kimball sering didenormalisasi?

• Agar bisa digunakan oleh sistem OLTP

• Untuk meminimalkan ukuran penyimpanan

• Untuk meningkatkan kemudahan pemahaman dan performa query

• Karena normalisasi tidak mungkin dilakukan pada dimensi

• Supaya bisa digunakan pada cloud-native warehouse

Dalam model Inmon, data mart dibangun:

• Sebelum data warehouse

• Bersamaan dengan proses ETL

• Setelah data dimasukkan ke data warehouse

• Dengan langsung menyalin data sumber

• Tanpa mempertimbangkan struktur entitas

Kerugian utama pendekatan Kimball menurut dokumen adalah:

• Pelaporan tidak bisa dilakukan secara ad hoc

• Integrasi data menjadi lebih rumit

• ETL tidak diperlukan

• Skema terlalu kaku untuk perubahan

• Data warehouse tidak cocok untuk analitik

Apa yang dimaksud dengan "Slowly Changing Dimension Type 2"?

• Dimensi yang tidak pernah berubah

• Menghapus atribut lama saat terjadi perubahan

• Menyimpan versi historis dimensi dengan surrogate key baru

• Menggunakan kompresi data secara otomatis

• Tidak memungkinkan pelacakan waktu

Dimensi yang digunakan lintas beberapa skema fakta disebut:

• Dimensi agregat

• Dimensi historis

• Conformed dimensions

• Custom dimensions

• Global entities