डेटा वेयरहाउसिंग फंडामेंटल्स: उदाहरणों के साथ एक अंतिम गाइड

data warehousing fundamentals

सभी डेटा वेयरहाउसिंग फंडामेंटल के बारे में जानें। यह इन-डेप्थ गाइड बताता है कि डेटा वेयरहाउसिंग के साथ-साथ इसके प्रकार, लक्षण, गुण और डिमेरिट क्या हैं:

एक डेटा गोदाम आज के आईटी उद्योग में नवीनतम भंडारण प्रवृत्ति है।

यह ट्यूटोरियल समझाने वाला है कि डेटा वेयरहाउस क्या है? डेटा वेयरहाउसिंग क्यों महत्वपूर्ण है? डेटा वेयरहाउस एप्लिकेशन के प्रकार, डेटा वेयरहाउस के लक्षण, डेटा वेयरहाउसिंग के लाभ और नुकसान।

इस श्रृंखला में डेटा वेयरहाउसिंग ट्यूटोरियल की सूची:

ट्यूटोरियल # 1: डेटा वेयरहाउसिंग फंडामेंटल
ट्यूटोरियल # 2: Whats डेटा वेयरहाउस में ETL प्रक्रिया है?
ट्यूटोरियल # 3: डेटा वेयरहाउस टेस्टिंग
ट्यूटोरियल # 4: डेटा वेयरहाउस में आयामी डेटा मॉडल
ट्यूटोरियल # 5: डेटा वेयरहाउस मॉडलिंग में स्कीमा प्रकार
ट्यूटोरियल # 6: डेटा मार्ट ट्यूटोरियल
ट्यूटोरियल # 7: ईटीएल में मेटाडाटा

pdf फाइल को कैसे खोला जाता है

इस डेटा वेयरहाउसिंग श्रृंखला में ट्यूटोरियल का अवलोकन

आप क्या सीखेंगे:

• डेटा वेयरहाउसिंग फंडामेंटल: एक पूर्ण गाइड
  • डेटा वेयरहाउसिंग क्या है?
  • डेटा वेयरहाउसिंग क्यों महत्वपूर्ण है?
  • डेटा वेयरहाउस एप्लिकेशन के प्रकार
    • (1) सूचना प्रसंस्करण
    • # 2) विश्लेषणात्मक प्रसंस्करण
    • # 3) डाटा माइनिंग
  • एक डेटा वेयरहाउस की विशेषताएं
  • एक डेटा वेयरहाउस के लाभ
  • डेटा वेयरहाउसिंग के नुकसान
• निष्कर्ष
  • अनुशंसित पाठ

डेटा वेयरहाउसिंग फंडामेंटल: एक पूर्ण गाइड

लक्षित दर्शक

• डेटा वेयरहाउस / ईटीएल डेवलपर्स और परीक्षक।
• डेटाबेस अवधारणाओं के बुनियादी ज्ञान के साथ डेटाबेस पेशेवर।
• डेटाबेस प्रशासक / बिग डेटा विशेषज्ञ जो डेटा वेयरहाउसिंग अवधारणाओं को समझना चाहते हैं।
• कॉलेज के स्नातक / फ्रेशर्स जो डेटा वेयरहाउस नौकरियों की तलाश कर रहे हैं।

डेटा वेयरहाउसिंग क्या है?

एक डेटा वेयरहाउस (DW) संगठित डेटा की विशाल मात्रा का भंडार है। यह डेटा एक या अधिक विभिन्न डेटा स्रोतों से समेकित है। डीडब्ल्यू एक रिलेशनल डेटाबेस है जो मुख्य रूप से विश्लेषणात्मक रिपोर्टिंग और संगठनों में समय पर निर्णय लेने के लिए डिज़ाइन किया गया है।

इस उद्देश्य के लिए डेटा को स्रोत लेनदेन डेटा से अलग और अनुकूलित किया जाता है, जिसका मुख्य व्यवसाय पर कोई प्रभाव नहीं पड़ेगा। यदि कोई संगठन किसी भी व्यावसायिक परिवर्तन का परिचय देता है, तो DW का उपयोग उस परिवर्तन के प्रभावों की जांच करने के लिए किया जाता है, और इसलिए DW का उपयोग गैर-निर्णय लेने की प्रक्रिया की निगरानी के लिए भी किया जाता है।

डेटा वेयरहाउस ज्यादातर रीड-ओनली सिस्टम होता है क्योंकि ऑपरेशनल डेटा को DW से बहुत अलग किया जाता है। यह अच्छे क्वेरी लेखन के साथ उच्चतम मात्रा में डेटा प्राप्त करने के लिए एक वातावरण प्रदान करता है।

इस प्रकार डीडब्ल्यू बिजनेस इंटेलिजेंस टूल्स के बैकएंड इंजन के रूप में कार्य करेगा जो बिजनेस यूजर्स के लिए रिपोर्ट, डैशबोर्ड दिखाता है। DW का उपयोग बैंकिंग, वित्तीय, खुदरा क्षेत्रों आदि में बड़े पैमाने पर किया जाता है।

डेटा वेयरहाउसिंग क्यों महत्वपूर्ण है?

नीचे सूचीबद्ध कुछ कारण हैं जिनके लिए डेटा वेयरहाउस महत्वपूर्ण है।

1. डेटा वेयरहाउस 'विभिन्न स्वरूपों' के कई विषम स्रोतों से सभी परिचालन डेटा को इकट्ठा करता है और निकालने, परिवर्तन और लोड (ETL) की प्रक्रिया के माध्यम से यह एक संगठन में 'मानकीकृत आयामी प्रारूप' में DW में डेटा को लोड करता है।
2. डेटा वेयरहाउस विश्लेषणात्मक रिपोर्टिंग और तथ्य-आधारित निर्णय लेने के लिए 'वर्तमान डेटा और ऐतिहासिक डेटा' दोनों को बनाए रखता है।
3. यह संगठनों को उनके प्रदर्शन को बेहतर बनाने के लिए तिमाही और वार्षिक रिपोर्टों की तुलना करके लागत को कम करने और राजस्व बढ़ाने के लिए 'चालाक और त्वरित निर्णय' लेने में मदद करता है।

डेटा वेयरहाउस एप्लिकेशन के प्रकार

बिजनेस इंटेलिजेंस (बीआई) निर्णय लेने के लिए डिज़ाइन किए गए डेटा वेयरहाउसिंग की एक शाखा है। डीडब्ल्यू में डेटा लोड होने के बाद, बीआई डेटा का विश्लेषण करके और इसे व्यावसायिक उपयोगकर्ताओं के सामने पेश करके एक प्रमुख भूमिका निभाता है।

व्यावहारिक रूप से, शब्द 'डेटा वेयरहाउस एप्लिकेशन' का अर्थ है, डेटा को कितने विभिन्न प्रकारों में संसाधित और उपयोग किया जा सकता है।

हमारे पास नीचे वर्णित के रूप में तीन प्रकार के डीडब्ल्यू अनुप्रयोग हैं।

1. सूचना प्रक्रम
2. विश्लेषणात्मक प्रसंस्करण
3. डाटा माइनिंग जो बीआई के उद्देश्य को पूरा करता है

(1) सूचना प्रसंस्करण

यह एक प्रकार का एप्लिकेशन है जहां डेटा वेयरहाउस इसमें संग्रहीत डेटा के साथ सीधे एक-एक संपर्क की अनुमति देता है।

जैसा कि डेटा पर एक बुनियादी सांख्यिकीय विश्लेषण के साथ डेटा (या) पर सीधे प्रश्न लिखकर डेटा को संसाधित किया जा सकता है और अंतिम परिणाम रिपोर्ट, टेबल, चार्ट या ग्राफ़ के रूप में व्यावसायिक उपयोगकर्ताओं को सूचित किया जाएगा।

DW सूचना प्रसंस्करण के लिए निम्नलिखित उपकरणों का समर्थन करता है:

(i) क्वेरी उपकरण: व्यवसाय (या) विश्लेषक डेटा का पता लगाने और व्यावसायिक आवश्यकता के अनुसार रिपोर्ट या ग्राफिक्स के रूप में आउटपुट उत्पन्न करने के लिए क्वेरी टूल्स का उपयोग करके क्वेरी चलाता है।

(ii) रिपोर्टिंग उपकरण: यदि व्यवसाय किसी भी निर्धारित प्रारूप में और निर्धारित आधार पर यानी दैनिक, साप्ताहिक या मासिक रूप से परिणाम देखना चाहते हैं तो रिपोर्टिंग टूल का उपयोग किया जाएगा। इस प्रकार की रिपोर्टों को किसी भी समय बचाया और समीक्षा की जा सकती है।

(iii) सांख्यिकी उपकरण: यदि व्यवसाय डेटा के व्यापक दृष्टिकोण पर एक विश्लेषण करना चाहता है तो ऐसे परिणाम उत्पन्न करने के लिए सांख्यिकी उपकरणों का उपयोग किया जाएगा। व्यवसाय इन रणनीतिक परिणामों को समझकर निष्कर्ष और भविष्यवाणियां कर सकते हैं।

# 2) विश्लेषणात्मक प्रसंस्करण

यह एक प्रकार का एप्लिकेशन है जहां एक डेटा वेयरहाउस इसमें संग्रहीत डेटा के विश्लेषणात्मक प्रसंस्करण की अनुमति देता है। डेटा का विश्लेषण निम्नलिखित कार्यों द्वारा स्लाइस-एंड-डाइस, ड्रिल डाउन, रोल अप और पिविंग के रूप में किया जा सकता है।

(i) स्लाइस-एंड-डाइस : डेटा वेयरहाउस अलग-अलग दृष्टिकोणों के संयोजन के साथ स्लाइस-एंड-डाइस संचालन को कई स्तरों से प्राप्त डेटा का विश्लेषण करने की अनुमति देता है। स्लाइस-एंड-डाइस ऑपरेशन आंतरिक रूप से ड्रिल-डाउन तंत्र का उपयोग करता है। Slicing आयामी डेटा पर काम करता है।

व्यावसायिक आवश्यकता के एक भाग के रूप में, यदि हम किसी एक क्षेत्र पर ध्यान केंद्रित करते हैं तो स्लाइसिंग उस विशेष क्षेत्र के आयामों का आवश्यकताओं के अनुसार विश्लेषण करती है और परिणाम देती है। Dicing विश्लेषणात्मक कार्यों पर काम करता है। विविध दृष्टिकोण प्रदान करने के लिए सभी आयामों पर विशेषताओं के एक विशिष्ट सेट के लिए ज़ोइंग डूमिंग। आयामों को एक या अधिक लगातार स्लाइस से माना जाता है।

(ii) ड्रिल डाउन : यदि व्यवसाय किसी भी सारांश संख्या के अधिक विस्तृत स्तर पर जाना चाहता है, तो ड्रिल नीचे उस सारांश को मामूली विस्तृत स्तरों तक नेविगेट करने के लिए एक ऑपरेशन है। यह एक महान विचार देता है कि क्या हो रहा है और जहां व्यवसाय को अधिक बारीकी से ध्यान केंद्रित करना है।

मूल कारण विश्लेषण के लिए मामूली विस्तार स्तर तक पदानुक्रम स्तर से नीचे ट्रैक करें। इसे आसानी से एक उदाहरण के साथ समझा जा सकता है क्योंकि बिक्री ड्रिल नीचे से हो सकती है देश-स्तर -> क्षेत्र स्तर -> राज्य-स्तर -> जिला स्तर -> स्टोर स्तर।

(iii) रोल अप करें : रोल-अप ऑपरेशन के विपरीत काम करता है। यदि व्यवसाय कोई सारांशित डेटा चाहता है, तो रोल अप तस्वीर में आता है। यह आयामी पदानुक्रम में ऊपर जाकर विस्तार स्तर के डेटा को एकत्र करता है।
रोल-अप का उपयोग किसी सिस्टम के विकास और प्रदर्शन का विश्लेषण करने के लिए किया जाता है।

इसे ए के साथ समझा जा सकता है उदाहरण एक बिक्री के रूप में जहां कुल योग से लुढ़का जा सकता है शहर का स्तर -> राज्य स्तर -> क्षेत्र स्तर -> देश स्तर ।

(iv) धुरी : क्यूब्स पर डेटा को घुमाकर Pivoting आयाम डेटा का विश्लेषण करता है। उदाहरण के लिए, पंक्ति आयाम को स्तंभ आयाम और इसके विपरीत में स्वैप किया जा सकता है।

# 3) डाटा माइनिंग

यह एक तरह का एप्लिकेशन है, जहां डेटा वेयरहाउस डेटा की ज्ञान की खोज की अनुमति देता है और परिणामों को विज़ुअलाइज़ेशन टूल्स के साथ दर्शाया जाएगा। उपरोक्त दो प्रकार के अनुप्रयोगों में, जानकारी उपयोगकर्ताओं द्वारा संचालित की जा सकती है।

चूंकि डेटा विभिन्न व्यवसायों में विशाल हो जाता है, इसलिए डेटा वेयरहाउस को डेटा में सभी संभव अंतर्दृष्टि प्राप्त करने के लिए क्वेरी और ड्रिल करना मुश्किल है। फिर डेटा खनन ज्ञान की खोज को पूरा करने के लिए तस्वीर में आता है।

यह पिछले सभी संघों, परिणामों आदि के साथ डेटा में ड्राइव करता है और भविष्य की भविष्यवाणी करता है। इसलिए यह डेटा-संचालित है और उपयोगकर्ता द्वारा संचालित नहीं है। छिपे हुए पैटर्न, संघों, वर्गीकरण और भविष्यवाणियों को खोजकर डेटा को खोजा जा सकता है।

डेटा माइनिंग भविष्य की भविष्यवाणी करने के लिए डेटा के साथ गहराई से जाता है। भविष्यवाणियों के आधार पर, यह कार्रवाई करने का सुझाव भी देता है।

जावा कैसे एक सरणी में जोड़ने के लिए

नीचे दिए गए डेटा माइनिंग की विभिन्न गतिविधियाँ हैं:

• पैटर्न: डेटा माइनिंग डेटाबेस में होने वाले पैटर्न को पता करता है। उपयोगकर्ता व्यवसाय के इनपुट प्रदान कर सकते हैं, जिस पर निर्णय लेने के लिए पैटर्न का कुछ ज्ञान अपेक्षित है।
• संघ / संबंध: डेटा माइनिंग वस्तुओं के बीच संबंधों को उनके संघ के नियमों की आवृत्ति से पता चलता है। यह संबंध दो या अधिक वस्तुओं (या) के बीच हो सकता है यह एक ही वस्तु के गुणों के भीतर नियमों की खोज कर सकता है।
• वर्गीकरण: डेटा माइनिंग डेटा को पूर्व-परिभाषित कक्षाओं के एक सेट में व्यवस्थित करता है। इसलिए यदि किसी वस्तु को डेटा से उठाया जाता है, तो वर्गीकरण संबंधित कक्षा के लेबल को उस वस्तु से जोड़ता है।
• भविष्यवाणी: डेटा माइनिंग व्यापार में सर्वोत्तम संभव भविष्य के मूल्यों / रुझानों को खोजने के लिए मौजूदा मूल्यों के एक सेट की तुलना करता है।

इसलिए, उपरोक्त सभी परिणामों के आधार पर, डेटा माइनिंग को लिए जाने वाले कार्यों का एक सेट भी प्रस्तावित करता है।

एक डेटा वेयरहाउस की विशेषताएं

एक डेटा वेयरहाउस को डेटा की निम्नलिखित विशेषताओं के आधार पर बनाया गया है, जो विषय उन्मुख, एकीकृत, गैर-वाष्पशील और समय संस्करण के रूप में है।

(1) विषय उन्मुख: हम एक डेटा वेयरहाउस को विषय-उन्मुख के रूप में परिभाषित कर सकते हैं क्योंकि हम बुद्धिमान डेटा के अनुप्रयोग के बजाय किसी विशिष्ट विषय क्षेत्र के संबंध में डेटा का विश्लेषण कर सकते हैं। यह ऐसे परिणाम प्रदान करता है जो आसान निर्णय लेने के लिए अधिक परिभाषित होते हैं। एक शिक्षा प्रणाली के संबंध में, विषय क्षेत्र छात्र, विषय, अंक, शिक्षक आदि हो सकते हैं।

# 2) एकीकृत: डेटा वेयरहाउस में डेटा को विभिन्न स्रोतों से एकीकृत किया जाता है जैसे कि अन्य रिलेशनल डेटाबेस, फ़्लैट फ़ाइल्स आदि। डेटा की इतनी बड़ी मात्रा प्रभावी डेटा विश्लेषण के लिए लाई जाती है। लेकिन डेटा का टकराव हो सकता है क्योंकि डेटा के विभिन्न स्रोत प्रसार प्रारूप में हो सकते हैं। डेटा वेयरहाउस इस पूरे डेटा को पूरे सिस्टम में एक सुसंगत प्रारूप में लाता है।

# 3) गैर-वाष्पशील: डेटा वेयरहाउस में डेटा लोड होने के बाद, इसे बदला नहीं जा सकता है। तार्किक रूप से यह स्वीकार्य है क्योंकि डेटा का लगातार परिवर्तन आपको डेटा का विश्लेषण नहीं करने देगा। परिचालन डेटाबेस में लगातार बदलावों को एक निर्धारित आधार पर डेटा वेयरहाउस में लोड किया जा सकता है, इस प्रक्रिया के दौरान, नया डेटा जोड़ा जाता है, हालांकि, पहले वाला डेटा मिटाया नहीं जाता है और यह ऐतिहासिक डेटा के रूप में रहता है।

कैसे स्ट्रिंग स्ट्रिंग में जोड़ने के लिए

# 4) समय-रूपांतर: डेटा वेयरहाउस में हाल के डेटा के साथ सभी ऐतिहासिक डेटा किसी भी अवधि के डेटा को पुनः प्राप्त करने के लिए एक महत्वपूर्ण भूमिका निभाते हैं। यदि व्यवसाय कोई रिपोर्ट, ग्राफ़ आदि चाहता है, तो पिछले वर्षों के साथ तुलना करने और रुझानों का विश्लेषण करने के लिए, सभी पुराने डेटा जो 6 महीने पुराने हैं, 1-वर्षीय या पुराने डेटा, आदि की आवश्यकता है।

एक डेटा वेयरहाउस के लाभ

जब कोई डेटा वेयरहाउस सिस्टम उत्पादक होता है, तो किसी संगठन को इसका उपयोग करके निम्नलिखित लाभ मिलते हैं:

1. उन्नत व्यापार खुफिया
2. सिस्टम और क्वेरी प्रदर्शन में वृद्धि
3. मल्टीपल सोर्स से बिजनेस इंटेलिजेंस
4. समय पर डेटा तक पहुंच
5. बढ़ी हुई डेटा गुणवत्ता और निरंतरता
6. ऐतिहासिक बुद्धिमत्ता
7. निवेश पर उच्च लाभ

# 1) उन्नत व्यापार खुफिया: पहले के दिनों में जब डेटा वेयरहाउसिंग और बिजनेस इंटेलिजेंस में नहीं थे, तो व्यापार उपयोगकर्ता और विश्लेषक सीमित मात्रा में डेटा और अपने स्वयं के आंत की भावना के साथ निर्णय लेते थे।

डीडब्ल्यू एंड बीआई ने वास्तविक तथ्यों के साथ और वास्तविक संगठन डेटा के साथ अंतर्दृष्टि देकर एक बदलाव लाया है जो समय की अवधि में इकट्ठा होता है। व्यावसायिक उपयोगकर्ता रणनीतिक निर्णय लेने और स्मार्ट निर्णय लेने के लिए अपनी आवश्यकताओं के आधार पर किसी भी व्यवसाय प्रक्रियाओं जैसे कि विपणन, वित्त, बिक्री आदि के डेटा को सीधे क्वेरी कर सकते हैं।

# 2) बढ़ी हुई प्रणाली और क्वेरी प्रदर्शन: डेटा वेयरहाउसिंग विषम प्रणालियों से भारी जानकारी इकट्ठा करता है और इसे एक सिस्टम के तहत रखता है ताकि फास्ट डेटा पुनर्प्राप्ति के लिए एक एकल क्वेरी इंजन का उपयोग किया जा सके।

# 3) कई स्रोतों से व्यापार खुफिया: क्या आप जानते हैं कि बिजनेस इंटेलिजेंस आमतौर पर डेटा पर कैसे काम करता है? यह एक परियोजना पर काम करने के लिए कई प्रणालियों, उप प्रणालियों, प्लेटफार्मों और डेटा स्रोतों से डेटा को अवशोषित करता है। हालाँकि, डेटा वेयरहाउस किसी भी डुप्लिकेट के बिना सभी प्रोजेक्ट डेटा को समेकित करके BI के लिए इस समस्या को हल करता है।

# 4) समय पर डेटा तक पहुंच: डेटा पुनर्प्राप्ति पर कम समय खर्च करने से व्यावसायिक उपयोगकर्ताओं को लाभ मिलेगा। उनके पास कुछ उपकरण हैं, जिनके साथ वे न्यूनतम तकनीकी ज्ञान के साथ डेटा को क्वेरी कर सकते हैं और रिपोर्ट तैयार कर सकते हैं। इससे कारोबारी उपयोगकर्ता डेटा एकत्र करने के बजाय डेटा विश्लेषण पर पर्याप्त समय बिताते हैं।

# 5) उन्नत डेटा गुणवत्ता और संगति: डेटा वेयरहाउसिंग डेटा को डिसिमिलर सोर्स सिस्टम फॉर्मेट के साथ सिंगल फॉर्मेट में बदल देता है। इसलिए, शायद वही व्यावसायिक इकाइयाँ जो डेटा वेयरहाउस को डेटा सोर्स कर रही हैं, अपने व्यावसायिक रिपोर्ट और प्रश्नों के लिए DW रिपॉजिटरी का पुनः उपयोग कर सकती हैं।

इसलिए संगठन के दृष्टिकोण से, सभी व्यावसायिक इकाइयां लगातार परिणाम / रिपोर्ट के साथ खड़ी होंगी। इस प्रकार यह अच्छी गुणवत्ता और लगातार डेटा एक सफल व्यवसाय चलाने में मदद करता है।

# 6) ऐतिहासिक खुफिया: डेटा वेयरहाउस सभी ऐतिहासिक डेटा को बनाए रखता है जो किसी भी लेनदेन प्रणाली द्वारा बनाए नहीं रखा जाता है। डेटा की इस बड़ी मात्रा का उपयोग विशिष्ट समय अवधि के लिए डेटा का विश्लेषण करने और उसे रिपोर्ट करने और भविष्य की भविष्यवाणी करने के लिए रुझानों का विश्लेषण करने के लिए किया जाता है।

# 7) निवेश पर अधिक लाभ (ROI): बड़े मुनाफे और कम खर्च के लिहाज से कोई भी निवेश पर अच्छे रिटर्न की उम्मीद करके कारोबार शुरू करता है। वास्तविक डेटा की दुनिया में, कई अध्ययनों ने साबित किया है कि डेटा वेयरहाउस और बिजनेस इंटेलिजेंस सिस्टम को लागू करने से उच्च राजस्व उत्पन्न हुआ और लागत को बचाया।

अब तक आपको यह समझने में सक्षम होना चाहिए कि एक अच्छी तरह से डिजाइन की गई डीडब्ल्यू प्रणाली आपके व्यवसाय में कैसे लाभ जोड़ती है।

डेटा वेयरहाउसिंग के नुकसान

हालांकि यह एक बहुत ही सफल प्रणाली है, लेकिन सिस्टम में कुछ नुकसानों को जानना अच्छा है:

• डेटा वेयरहाउस बनाना निश्चित रूप से एक समय लेने वाली और जटिल प्रक्रिया है।
• रखरखाव की लागत भारी है क्योंकि सिस्टम को निरंतर उन्नयन की आवश्यकता है। इसका सही उपयोग न होने पर यह बढ़ भी सकता है।
• डीडब्ल्यू प्रणाली को समझने और इसे तकनीकी रूप से लागू करने के लिए डेवलपर्स, परीक्षकों और उपयोगकर्ताओं को उचित प्रशिक्षण दिया जाना चाहिए।
• संवेदनशील डेटा हो सकता है जिसे निर्णय लेने के लिए DW में लोड नहीं किया जा सकता है।
• किसी भी व्यावसायिक प्रक्रियाओं (या) स्रोत प्रणालियों के पुनर्गठन का DW पर एक बड़ा प्रभाव पड़ता है।

निष्कर्ष

हमें उम्मीद है कि इस परिचयात्मक ट्यूटोरियल ने डेटा वेयरहाउसिंग फंडामेंटल की पृष्ठभूमि प्रदान की है। डेटा वेयरहाउसिंग की सभी मूलभूत अवधारणाओं पर हमारी गहराई से नज़र थी।

हमने इस व्यापक ट्यूटोरियल में डेटा वेयरहाउसिंग की परिभाषा, प्रकार, विशेषताओं, लाभ और नुकसान को सीखा।

=> आसान डेटा वेयरहाउसिंग प्रशिक्षण श्रृंखला के माध्यम से पढ़ें।

अनुशंसित पाठ

• डेटा माइनिंग उदाहरण: डेटा माइनिंग 2021 के अधिकांश सामान्य अनुप्रयोग
• डेटा चालित परीक्षण कार्य (QTP और सेलेनियम के उदाहरण)
• डेटा माइनिंग: डेटा एनालिसिस में प्रक्रिया, तकनीक और प्रमुख मुद्दे
• ETL परीक्षण डेटा वेयरहाउस परीक्षण ट्यूटोरियल (एक पूर्ण गाइड)
• सर्वश्रेष्ठ मुफ्त सी # ट्यूटोरियल श्रृंखला: शुरुआती के लिए अंतिम सी # गाइड
• कंप्यूटर नेटवर्किंग ट्यूटोरियल: अंतिम गाइड
• QTP ट्यूटोरियल # 18 - डेटा प्रेरित और हाइब्रिड फ्रेमवर्क QTP उदाहरणों के साथ समझाया गया
• डेटा इकट्ठा करने की रणनीतियों के साथ 10+ सर्वश्रेष्ठ डेटा संग्रह उपकरण