Projeto.

Projete rapidamente um esquema de Data Warehouse e ETL em um único projeto integrado projetado especificamente para Modelagem Dimensional. Mantenha sua equipe na mesma página por meio de um ambiente de desenvolvimento consistente.

Características:

• Defina as conexões do sistema de origem.
• Comece seu projeto com o assistente de esquema em estrela.
• Defina novas entidades de teste importando o esquema de tabela e coluna dos sistemas de origem.
• Escolha um padrão ETL e defina os mapeamentos de origem para destino a serem aplicados a um extrato ou transformação de uma entidade.
• Crie e modifique dimensões e fatos. Personalize atributos, tipos de SCD, hierarquias pai / filho, medidas, dramatizações, etc.
• Defina recursos de armazenamento avançados, como armazenamento de colunas, distribuição, índices, formatos de arquivo Data Lake, esquema etc.

DevOps / DataOps.

Um projeto Dimodelo Data Warehouse Studio se integra ao Azure DevOps, oferecendo suporte ao controle de origem (por exemplo, Git), gerenciamento de trabalho e pipelines.

Automatize a implantação com integração contínua e implantação contínua para data warehouses.

Portabilidade.

Transfira facilmente seu Data Warehouse entre o SQL Server, Banco de Dados SQL do Azure e Plataformas de Dados do Azure SQL Data Warehouse.

Novas plataformas de dados estão surgindo constantemente. Com a abordagem de metadados da Dimodelo, basta selecionar uma nova tecnologia de plataforma de destino e gerar novamente para atingir uma nova plataforma.

Documentação.

Melhore, comunique e colabore com seus usuários. Dimodelo gera um dicionário de dados HTML que pode ser implantado em seu servidor web ou sistema de arquivos para acesso de usuários finais.

Migração Fácil.

Possui um data warehouse existente?

Dimodelo pode importar o esquema e gerar um projeto para migrar seu esquema e dados de seu data warehouse existente para um novo Dimodelo Data Warehouse.

Arquitetura de gerenciamento de dados.

Dimodelo implementa uma arquitetura avançada de gerenciamento de dados, incluindo os seguintes recursos:

• Fontes de dados. Suporte a qualquer fonte de dados de banco de dados, arquivo estruturado, ODBC e SaaS (por meio de ODBC).
•  O carregamento em massa paralelo em tabelas na memória (quando disponíveis) e os armazenamentos de colunas em cluster aumentam o desempenho do ETL e da consulta. 
• Extrações incrementais de alto desempenho. Três métodos de extração incremental.
• Alterar coluna (s) de identificador na fonte,
• Rastreamento de Mudanças (SQL Server)
• Intervalo de datas.
• Estadiamento persistente. Registre o histórico completo de alterações nos dados da tabela / consulta que é a fonte da tabela Persistente.
• Toda a história, o tempo todo, em vez de alguma história alguma vez. Mantenha cada versão de uma linha.
• Desempenho de ETL aprimorado. Uma camada de teste persistente significa que camadas superiores podem usar ETL incremental.
• Fornece novos tipos de análises precisas com base no tempo – por exemplo, Churn.
• Com que frequência você foi perguntado “por que meu relatório mudou”?
• fornecer aos auditores um histórico preciso de mudanças em seus sistemas.
• ELT adaptável. Dimodelo reconhece mudanças em seu design dimensional e recarrega atributos e medidas com histórico completo quando necessário.
• Capacidade de truncar e recarregar dimensões e fatos com histórico completo.
• Vistas virtuais e materializadas para implementar uma lógica ETL / ELT complexa.
• ELT incremental de alto desempenho em todas as camadas acima do teste persistente.