Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

📢 Ask the Experts – Cahiers de la Modélisation 📢 📅 Jeudi 3 avril ⏰ 18h30 - 19h30 (en ligne)

🚀 Un rendez-vous incontournable avec les experts du Club Power BI !

🔍 Au programme : Nos spécialistes répondront aux questions posées lors des précédentes sessions ainsi qu’à celles que vous partagerez sur notre page LinkedIn. Nous mettrons l’accent sur les questions les plus pertinentes pour éclairer les grands patterns de modélisation.

👉Posez vos questions : https://forms.office.com/e/3KdGMHncNA👈

Et bien sûr, nous suivrons la voie tracée par Ralph Kimball pour atteindre la sagesse ! 😉 🔗 Rejoignez-nous pour cette session interactive et enrichissante ! 🚀

Nous rappelons que le Club Power BI est une association et que toute l'équipe d'organisation est bénévole.

La communauté, c'est vous, c'est nous. Le fondement d'un club utilisateurs c'est le partage de connaissances et d'expérience. Si vous avez des idées, des remarques, des envies, de la motivation, contactez-nous et contribuez 😉

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

Rejoignez-nous pour un débat en ligne captivant sur la modélisation des données : Kimball vs. One Big Table (OBT) vs Inmon

👉 La modélisation Kimball, bien établie depuis 1996, repose sur l'utilisation de tables de faits et de dimensions, offrant une gouvernance des données améliorée. Cependant, des études récentes montrent que l'approche OBT, qui favorise une table dénormalisée unique, peut offrir des performances supérieures dans des environnements modernes comme Redshift, Snowflake et BigQuery.

Avantages de l'OBT : ● Simplification des requêtes sans jointures complexes ● Accès rapide aux données avec des temps de réponse améliorés

Inconvénients : ● Risque de désorganisation si les colonnes ne sont pas bien structurées ● Moins compatible avec certains outils BI comme Power BI ou Tableau

👉 La question se pose : Doit-on abandonner complètement le modèle Kimball au profit de l'OBT ?

Ce débat est crucial pour les #datascientists et les #dataengineers qui cherchent à équilibrer créativité et rigueur. Une approche hybride pourrait-elle être la solution ?

Participez à notre discussion pour explorer ces enjeux et partager vos expériences !

Ismael Goulani, Stéphane Heckel, Willis Nana, Axel TIFRANI jeu., 30 janv., 17:00 CET

In a popular Coalesce 2020 talk, Dave Fowler challenged the relevancy of dimensional modeling and the star schema popularized by Ralph Kimball over 25 years ago, arguing the dimensional modeling method now does “more harm than good,” in the context of the modern data stack. But should we throw the baby out with the bathwater? In this talk, Josh Devlin and Sydney Burns (Brooklyn Data Co) suggests a different approach to bringing Kimball’s system into the modern era.

Check the slides here:https://docs.google.com/presentation/d/1HLP1FfCNZJUIF7JgT1ote5LaG2tDvsNRfrA9vIkf2n4/edit?usp=sharing

Coalesce 2023 is coming! Register for free at https://coalesce.getdbt.com/.

In this podcast, Wayne Eckerson and Joe Caserta discuss data migration, compare cloud offerings from Amazon, Google, and Microsoft, and define and explain artificial intelligence.

You can contact Caserta by visiting caserta.com or by sending him an email to [email protected]. Follow him on Twitter @joe_caserta.

Caserta is President of a New York City-based consulting firm he founded in 2001 and a longtime data guy. In 2004, Joe teamed up with data warehousing legend, Ralph Kimball to write to write the book The Data Warehouse ETL Toolkit. Today he’s now one of the leading authorities on big data implementations. This makes Joe one of the few individuals with in-the-trenches experience on both sides of the data divide, traditional data warehousing on relational databases and big data implementations on Hadoop and the cloud.

In this podcast, Bill Schmarzo talks about the ingredients of successful data science practice, team, and executives. Bill shared his insights on what some leaders in the industries are doing and some challenges seen in the successful deployment. Bill shared his key take on ingredients for some of the successful hires. This podcast is great for growth mindset executives willing to learn about creating a successful data science practice.

Timeline: 0:29 Bill's journey. 5:05:00 Bill's current role. 7:04 Data science adoption challenges for businesses. 9:33 The good side of data science adoption. 11:22 How is data science changing business. 14:34 Strategies behind distributed IT. 18:35 Analysing the current amount of data. 21:50 Who should own the idea of data science? 24:34 The right background for a CDO. 25:52 Bias in IT. 29:35 Hacks to keep yourself bias-free. 31:58 Team vs. tool for putting together a good data-driven practice. 34:54 Value cycle in data science. 37:10 Maturity model. 39:17 Convincing culture heavy businesses to adopt data. 42:47 Keeping oneself sane during the technological disruption. 46:20 Hiring the right talent. 51:46 Ingredients of a good data science hire. 56:00 Bill's success mantra. 59:07 Bill's favorite reads. 1:00:36 Closing remarks.

Bill's Recommended Read: Moneyball: The Art of Winning an Unfair Game by Michael Lewis http://amzn.to/2FqBFg8 Big Data MBA: Driving Business Strategies with Data Science by Bill Schmarzo http://amzn.to/2tlZAvP

Podcast Link: https://futureofdata.org/schmarzo-dellemc-on-ingredients-of-healthy-datascience-practice-futureofdata-podcast/

Bill's BIO: Bill Schmarzo is the CTO for the Big Data Practice, where he is responsible for working with organizations to help them identify where and how to start their big data journeys. He's written several white papers, is an avid blogger, and is a frequent speaker on the use of Big Data and data science to power the organization's key business initiatives. He is a University of San Francisco School of Management Fellow, where he teaches the "Big Data MBA" course.

Bill has over three decades of experience in data warehousing, BI, and analytics. Bill authored EMC's Vision Workshop methodology that links an organization's strategic business initiatives with their supporting data and analytic requirements and co-authored with Ralph Kimball a series of articles on analytic applications. Bill has served on The Data Warehouse Institute's faculty as the head of the analytic applications curriculum.

Bill holds a master's degree in Business Administration from the University of Iowa and a Bachelor of Science degree in Mathematics, Computer Science, and Business Administration from Coe College.

About #Podcast:

FutureOfData podcast is a conversation starter to bring leaders, influencers, and lead practitioners to discuss their journey to create the data-driven future.

Wanna Join? If you or any you know wants to join in, Register your interest @ http://play.analyticsweek.com/guest/

Want to sponsor? Email us @ [email protected]

Keywords:

FutureOfData #DataAnalytics #Leadership #Podcast #BigData #Strategy