İleri Veri Modelleme Teknikleri Eğitimi

Eğitim Hakkında

İlişkisel, boyutsal, Data Vault ve NoSQL modelleme kararları

Bu ileri seviye eğitim, farklı iş yüklerine uygun veri modellerini tasarlamayı derinlemesine öğretir. İleri normalizasyon (3NF, BCNF) ve denormalizasyon kararları, boyutsal modelleme (yıldız/kar tanesi şema, fact/dimension, grain), yavaş değişen boyutlar (SCD Type 1/2/3) işlenir. Ardından Data Vault 2.0 (hub, link, satellite), NoSQL modelleme (belge, anahtar-değer, grafik, kolon ailesi) ve erişim deseni odaklı tasarım, veri ambarı/gölü/lakehouse modelleme, anahtar ve indeks stratejileri ele alınır. Katılımcı, bir iş ihtiyacına en uygun modeli gerekçeleriyle tasarlayabilir.

Süre ve Format

4 Gün. Her gün dört modül; katılımcılar ilişkiselden boyutsala ve modern modellere ilerler.

Seviye

İleri Seviye — İlişkisel, boyutsal ve modern veri modelleme tekniklerinin tasarım kararlarıyla birlikte ele alınması.

Öğrenme Metodu

Katılımcılar gerçek senaryolar üzerinde farklı modelleme tekniklerini uygulayıp tasarım kararlarını karşılaştırarak öğrenir.

Neden Bu Eğitim?

🏛️Doğru Model

İş yüküne (OLTP/OLAP/NoSQL) uygun modeli seçmeyi öğrenirsiniz.

⭐Boyutsal Tasarım

Yıldız şema ve SCD ile analitik ambar tasarlarsınız.

🧩Modern Teknikler

Data Vault ve NoSQL modellemeyle karmaşık ihtiyaçları karşılarsınız.

Anahtar Konular

veri modellemeboyutsal modellemeyıldız şemascddata vaultnosql modellemenormalizasyonlakehouseveri ambarıveri mimarisi

“Doğru veri modeli, geleceğin sorularına bugünden verilmiş bir cevaptır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL ve İlişki

SQL ve ilişkisel model (anahtar, normalizasyon) bilgisi beklenir.

2

Veri Ambarı Fikri

OLTP/OLAP ve raporlama kavramlarına aşinalık faydalıdır.

3

Diyagram Aracı

ER/model çizebilen bir araç erişimi yararlıdır.

4

İş Bağlamı

Modellenecek örnek iş alanlarına dair farkındalık faydalıdır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı, ileri normalizasyon ve denormalizasyon kararlarını gerekçelendirebilir.

Modül 1

Normalizasyon İleri

3NF ve BCNF ayrımı
4NF ve çok değerli bağımlılık
Fonksiyonel bağımlılık analizi
Anomalilerin önlenmesi
Normalizasyon maliyeti
Model doğrulama

Modül 2

Denormalizasyon

Performans için denormalizasyon
Okuma/yazma dengesi
Türetilmiş ve yedekli veri
Tutarlılık riski yönetimi
Materialized view ile denorm
Ne zaman denormalize edilir

Modül 3

Anahtar Stratejileri

Doğal vs vekil (surrogate) anahtar
Kompozit anahtarlar
UUID/sequence seçimi
Anahtarın indeks etkisi
Referans bütünlüğü
Anahtar tasarımı gerekçesi

Modül 4

İndeks ve Erişim

Kümelenmiş/kümelenmemiş indeks
Kapsayan (covering) indeks
İndeks-sorgu uyumu
Seçicilik ve kardinalite
Aşırı indekslemenin maliyeti
Erişim deseni analizi

Günün hedefiKatılımcı, analitik iş yükü için boyutsal model tasarlayabilir.

Modül 1

Boyutsal Temel

Fact ve dimension ayrımı
Yıldız ve kar tanesi şema
Grain (tanecik) tanımı
Ölçü (measure) türleri (additive vs)
Conformed dimension
OLAP ile uyum

Modül 2

Fact Tabloları

Transaction, snapshot, accumulating fact
Fact tane boyutu seçimi
Factless fact
Degenerate dimension
Fact tane doğrulama
Toplama (aggregate) tabloları

Modül 3

Yavaş Değişen Boyut

SCD Type 1 (üzerine yazma)
SCD Type 2 (tarihsel versiyon)
SCD Type 3 (sınırlı geçmiş)
Hybrid SCD
Etkin tarih (effective date) alanları
SCD seçim kriterleri

Modül 4

Boyut Tasarımı

Hiyerarşi ve drill-down
Role-playing dimension
Junk dimension
Bridge tablo (çoka-çok)
Tarih boyutu tasarımı
Boyut doğrulama

Günün hedefiKatılımcı, Data Vault yaklaşımıyla esnek ve denetlenebilir model tasarlayabilir.

Modül 1

Data Vault Temeli

Data Vault 2.0 felsefesi
Hub: iş anahtarı
Link: ilişki
Satellite: tanımlayıcı ve tarihsel veri
Hash anahtarlar
Denetlenebilirlik ve kaynak izi

Modül 2

Vault Tasarımı

İş anahtarı belirleme
Link tasarımı ve granularite
Satellite bölme (split) kriterleri
Load timestamp ve record source
Point-in-time ve bridge tabloları
Raw vs business vault

Modül 3

Tarihsellik

Bi-temporal modelleme
Geçerlilik ve işlem zamanı
Tam geçmiş saklama
Değişikliklerin izlenmesi
Tarihsel sorgulama
Denetim gereksinimleri

Modül 4

Vault'tan Sunuma

Vault'tan boyutsal modele besleme
Information mart
Çeviklik ve artımlı yükleme
Paralel yükleme avantajı
Vault ne zaman uygundur
Diğer yaklaşımlarla karşılaştırma

Günün hedefiKatılımcı, NoSQL ve modern platformlar için erişim deseni odaklı model tasarlayabilir.

Modül 1

NoSQL Modelleme

İlişkiselden farklı düşünme
Belge (document) modelleme
Gömme (embed) vs referans
Anahtar-değer ve kolon ailesi
Erişim deseni odaklı tasarım
Denormalizasyonun norm olması

Modül 2

Grafik Modelleme

Düğüm ve kenar (node/edge)
İlişki yoğun veriler
Özellik grafiği (property graph)
Grafik sorgu sezgisi (Cypher)
Grafik ne zaman uygundur
İlişkiselle karşılaştırma

Modül 3

Modern Ambar/Lakehouse

Veri ambarı, gölü, lakehouse
Şema-on-read vs schema-on-write
Kolon formatları (Parquet) ile modelleme
Medallion (bronze/silver/gold) mimarisi
Partitioning ve clustering
Maliyet-performans tasarımı

Modül 4

Model Seçimi

İş yükü-model eşlemesi
OLTP/OLAP/NoSQL karar çerçevesi
Çoklu model (polyglot persistence)
Ölçeklenme ve tutarlılık dengesi
Tasarım kararının gerekçelendirilmesi
Uçtan uca vaka tasarımı

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Normalizasyon

3NF/BCNF ve denormalizasyonu gerekçeyle uygularsınız.

✅

Anahtar/İndeks

Vekil anahtar ve indeks stratejilerini tasarlarsınız.

✅

Boyutsal Model

Yıldız şema, grain ve fact tablolarını tasarlarsınız.

✅

SCD

Yavaş değişen boyutları Type 1/2/3 ile yönetirsiniz.

✅

Data Vault

Hub/link/satellite ile esnek, denetlenebilir model kurarsınız.

✅

NoSQL

Erişim deseni odaklı belge ve grafik modelleri tasarlarsınız.

✅

Lakehouse

Medallion mimarisiyle modern platform modellersiniz.

✅

Model Seçimi

İş yüküne en uygun modeli gerekçeyle seçersiniz.

Kimler İçin Uygundur?

Veri mimarları
veri mühendisleri
veri ambarı/BI geliştiricileri
modelleme kararlarını derinleştirmek isteyen uzmanlar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri mimarları, veri mühendisleri ve veri ambarı/BI geliştiricileri ile modelleme kararlarını derinleştirmek isteyen uzmanlar için uygundur.

Hangi ön bilgi gerekir?

SQL, ilişkisel model ve temel normalizasyon bilgisi beklenir; eğitim ileri ve modern teknikleri bunun üzerine kurar.

Data Vault nedir?

Hub, link ve satellite bileşenleriyle esnek, denetlenebilir ve artımlı yüklenebilir bir ambar modelleme yaklaşımıdır; eğitim ne zaman uygun olduğunu gösterir.

NoSQL modelleme ilişkiselden nasıl farklı?

NoSQL'de tasarım erişim desenlerinden başlar ve denormalizasyon normdur; eğitim belge ve grafik modellemeyi örneklerle ele alır.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

ADVANCED DATA MODELING TECHNIQUES EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Normalizasyon İleri

Denormalizasyon

Anahtar Stratejileri

İndeks ve Erişim

Boyutsal Temel

Fact Tabloları

Yavaş Değişen Boyut

Boyut Tasarımı

Data Vault Temeli

Vault Tasarımı

Tarihsellik

Vault'tan Sunuma

NoSQL Modelleme

Grafik Modelleme

Modern Ambar/Lakehouse

Model Seçimi

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

Sterling B2B Integrator Data Mapping and EDI Processing (X12) Eğitimi

Storing & displaying data in Power Pages Eğitimi

Storytelling with Data Eğitimi

Strategic Foundations of Data Reliability Engineering Eğitimi

Stratejik Bakış ve Analitik Düşünme Eğitimi