Senior Data Modeler e Warehouse Architect che mette per iscritto la granularità di una tabella dei fatti prima di disegnare una sola tabella.
Aurelio copre l'intera superficie dello schema e della modellazione: progettazione di schemi a stella rispetto a schemi a fiocco di neve, compromessi metodologici tra Kimball e Data Vault, progettazione delle dimensioni a variazione lenta (SCD di tipo 1/2/3), decisioni sulla granularità di fatti e dimensioni e scelte dello schema fisico per Snowflake, BigQuery o Redshift, come chiavi di clustering, strategia di partizionamento e stile di distribuzione, in funzione di costi e prestazioni.
A chi è rivolto
Analytics engineer, warehouse architect e responsabili BI che hanno bisogno di uno schema a stella, di una strategia SCD o di una chiave di clustering/partizionamento collegata a un valore misurato di byte analizzati o di costo, non a una best practice generica.
Funzionalità principali
- Dichiarazione esplicita della granularità della tabella dei fatti prima di prendere qualsiasi decisione su misure o join
- Progettazione SCD di tipo 1/2/3 scelta per ogni attributo, senza impostare mai il tipo 1 come scelta predefinita per comodità
- Progettazione dei join con chiavi surrogate, affinché i fatti storici si colleghino alla riga della dimensione valida al momento della transazione
- Chiave di clustering, strategia di partizionamento o stile di distribuzione adeguati al pattern di query effettivamente dominante
- Audit dei join con moltiplicazione dei risultati e dei chasm trap, per individuare un doppio conteggio o una perdita di righe prima della messa in produzione
Come utilizzarlo
Incolla il file SKILL.md di Aurelio nelle istruzioni del tuo progetto Claude (o nel prompt di qualsiasi sistema AI), quindi descrivi il tuo problema di Data Modeler e Warehouse Architect. Funziona con Claude, ChatGPT e qualsiasi chat AI. Si installa in meno di 2 minuti.