A Review of Star Schema and Snowflakes Schema

Iqbal, Muhammad; Mustafa, Ghulam; Sarwar, Nadeem; Wajid, Syed Hamza; Nasir, Junaid; Siddque, Shaista

doi:10.1007/978-981-15-5232-8_12

Cited by 8 publications

(4 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Therefore, processing a larger table is somewhat time consuming. In addition, the snowflake schema is normalized tables that keep normalized data without redundancy, which makes queries faster [9]. Therefore, in this work, a snowflake model is used to build a data warehouse.…”

Section: Methodsmentioning

confidence: 99%

Aggregation of multidimensional data for the decision support process for the management of microgrids with renewable energy sources

Shendryk

Parfenenko

Boiko

et al. 2022

TAPR

View full text Add to dashboard Cite

The object of research is the process of processing and storing data when making decisions on managing the life cycle of electricity generation and consumption in microgrids with renewable energy sources. The prospects of the study are due to the fact that in order to provide a full-fledged decision support process in the management of microgrids with renewable energy sources, it is necessary to consolidate and manipulate multidimensional data in multithreading and online information processing. To solve the problem, the theoretical methods of analysis, abstraction, induction and deduction were used. To ensure multidimensionality and multithreading of data processing, it is proposed to develop a data warehouse based on the snowflake data model. Efficiency of information processing in real time is provided by an operational database built on the principle of OLTP. The organization of the joint work of the data warehouse with the operational database, the consolidation and manipulation of data is provided by triggers. The result of the work is a data warehouse that will be used in the decision support system for managing energy microgrids, which will improve the efficiency of data processing and storage. This is achieved by combining the work of a centralized data warehouse with an operational database, as well as the use of a separate data mart for each user of the system. The practical significance of the work lies in the fact that the data warehouse will become part of the decision support system for processing information about the life cycle of energy in the management of energy infrastructure. Compared to using a single database for a decision support system, this approach ensures the speed of working with data and allows differentiating between the use of a data warehouse for analytics and data manipulation operations. The data warehouse was deployed in a cloud environment on the Amazon Web Services (AWS) platform and the Amazon Relational Database Service (Amazon RDS) web service. Secure access to client data is implemented using data marts.

show abstract

Section: Methodsmentioning

confidence: 99%

Aggregation of multidimensional data for the decision support process for the management of microgrids with renewable energy sources

Shendryk

Parfenenko

Boiko

et al. 2022

TAPR

View full text Add to dashboard Cite

show abstract

“…Penelitian terdahulu yang berkaitan dengan Business Intelligence yaitu penelitian komparatif tentang kinerja model dimensional (Iqbal et al, 2020); penelitian data warehouse untuk meningkatkan kinerja penelitian dan pelayanan kepada masyarakat (Filiana et al, 2020); penelitian visualisasi data harga dan pasokan beras (Sugiarto et al, 2021); penelitian penerapan sistem intelejensia bisnis dan data mining untuk memantau produksi tanaman obat (Hidayat & Fitriana, 2022); penelitian model sistem Intelegensia Bisnis dan data mining untuk layanan maskapai penerbangan (Fitriana et al, 2019); penelitian star-schema model untuk meningkatkan kinerja dosen dalam aktivitas penelitian (Amin et al, 2021).…”

Section: Pendahuluanunclassified

Business Intelligence Untuk Memantau Perkembangan Harga Pangan Provinsi DKI Jakarta

Hidayat,

Putri

2024

Infortech

View full text Add to dashboard Cite

Kebutuhan pokok pangan mencakup berbagai jenis makanan yang esensial bagi kesehatan dan keberlangsungan hidup individu dan populasi. Pangan pokok menjadi dasar dari pola makan yang sehat dan memadai bagi masyarakat, dan akses yang cukup terhadap beragam jenis pangan ini menjadi kunci untuk mendukung ketahanan pangan dan kesejahteraan masyarakat secara keseluruhan. Dengan populasi yang besar, Indonesia membutuhkan kemampuan untuk mandiri dalam sektor industri pangan. Bagaimana penggunaan Business Intelligence untuk memantau perubahan harga pangan di provinsi DKI Jakarta sebagai langkah pencegahan terhadap potensi kenaikan harga menjadi permasalah pada penelitian ini. Tujuan penelitian yaitu menerapkan Business Intelligence yang mampu menganalisis data dan menyajikan informasi harga komoditas pangan. Metode penelitian melibatkan analisis kebutuhan, perancangan data warehouse, implementasi Online Analytical Processing (OLAP), serta penggambaran data secara visual. Hasil penelitian menunjukkan bahwa Business Intelligence dimanfaatkan untuk mengawasi fluktuasi harga pangan sebagai langkah pencegahan terhadap potensi kenaikan harga. Business Intelligence memiliki kapabilitas untuk menganalisis dan menyajikan informasi tentang harga rata-rata, harga terendah, serta harga tertinggi berdasarkan berbagai dimensi seperti jenis komoditas, lokasi kota, dan periode waktu.

show abstract

“…Penelitian terdahulu yang terkait yaitu penelitian perancangan dashboard pada perusahaan multistore di Yogyakarta untuk memantau penjualan (Santoso et al, 2017); penelitian perancangan dashboard untuk menampilkan berbagai data harga beras di Pasar Induk Beras Cipinang (Sugiarto et al, 2021); penelitian perancangan model business intelligence system dan data mining (Fitriana et al, 2017;Hidayat & Fitriana, 2022); penelitian star schema review (Iqbal et al, 2020).…”

Section: Pendahuluanunclassified

Perancangan Dashboard Untuk Visualisasi Data Jumlah Penumpang Transjakarta

Hidayat

2023

Insantek

View full text Add to dashboard Cite

Transportasi umum di daerah perkotaan telah mendapatkan perhatian yang lebih besar dalam beberapa tahun terakhir untuk meningkatkan keberlanjutan dan kualitas kehidupan perkotaan. Kinerja ekonomi dan lingkungan kota dapat ditingkatkan dengan menghubungkan sumber daya ke tujuan secara efektif dan memfasilitasi mobilitas masal. Transjakarta salah satu layanan jasa transportasi berkualitas yang memberikan aman dan nyaman di kota Jakarta, sehingga banyak manyarakat yang menggunakan jasa transportasi ini. Masalah penelitian yaitu bagaimana merancang suatu dashboard untuk memantau jumlah pengguna Transjakarta. Tujuan penelitian ini adalah merancang dashboard untuk visualisasi data jumlah penumpang Transjakarta pada setiap bulan. Analisis kebutuhan data, perancangan data warehouse, dan visualisasi data dilakukan sebagai tahapan dalam penyelesaian masalah. Dashboard untuk memantau jumlah pengguna Transjakarta setiap bulan berhasil dirancang menggunakan software Power BI yang terdiri dari beberapa komponen visual utama yaitu komponen diagram batang bertumpuk, komponen slicer (fiter), dan komponen tabel sehingga dapat mempermudah pemantauan jumlah pengguna setiap periode dalam rangka meningkatkan kualitas layanan.

show abstract

A Review of Star Schema and Snowflakes Schema

Cited by 8 publications

References 9 publications

Aggregation of multidimensional data for the decision support process for the management of microgrids with renewable energy sources

Aggregation of multidimensional data for the decision support process for the management of microgrids with renewable energy sources

Business Intelligence Untuk Memantau Perkembangan Harga Pangan Provinsi DKI Jakarta

Perancangan Dashboard Untuk Visualisasi Data Jumlah Penumpang Transjakarta

Contact Info

Product

Resources

About