There are unique criteria in DW tha

There are unique criteria in DW that differentiate it with database management system (DBMS). DW is a subject
oriented, integrated, time varying and non-volatile collection of data[7]. It contains historical data and those stored
data will not be either deleted or changed. Analyzing historical, summarized and consolidated data could lead to
precious information such as trend and behavioral correlation. The uniqueness of DWs features cause differences in
DW modeling and design. For example in DBMS, redundancy should be eliminated to enhance business process
while in DW the existence of redundancy is required to enhance DW performance. However, keeping all historical
data that had rarely changed is costly since it requires big data space. To encounter this problem, Kimball et al
(2008) proposed slowly changing dimension method to increase its efficiency [9]

ผลลัพธ์ (ไทย) 1:

มีเงื่อนไขเฉพาะใน DW ที่แตกต่างกับระบบการจัดการฐานข้อมูล (DBMS) DW เป็นเรื่อง
แนว รวม เวลาไม่ใช่ระเหยแตกต่างกัน และชุดของข้อมูล [7] ประกอบด้วยข้อมูลทางประวัติศาสตร์และผู้เก็บ
ข้อมูลจะไม่สามารถลบ หรือเปลี่ยนแปลง วิเคราะห์ประวัติศาสตร์ สรุป และรวมข้อมูลอาจทำ
ข้อมูลค่าแนวโน้มและความสัมพันธ์กับพฤติกรรม สาเหตุความแตกต่างในคุณสมบัติของ DWs
DW สร้างโมเดลและการออกแบบ ตัวอย่าง ใน DBMS ซ้ำควรจะตัดออกเพื่อเสริมสร้างกระบวนการทางธุรกิจ
ขณะใน DW มีความซ้ำซ้อนจะต้องเพิ่มประสิทธิภาพ DW อย่างไรก็ตาม รักษาทางประวัติศาสตร์ทั้งหมด
ข้อมูลที่ได้ไม่ค่อยมีการเปลี่ยนแปลงคือค่าใช้จ่ายสูงเนื่องจากต้องการพื้นที่ข้อมูลขนาดใหญ่ เจอปัญหานี้ Kimball et al
(2008) เสนอเปลี่ยนแปลงมิติวิธีการเพิ่มประสิทธิภาพของ [9]

ผลลัพธ์ (ไทย) 2:

มีเกณฑ์ที่ไม่ซ้ำกันใน DW ที่แตกต่างกับระบบการจัดการฐานข้อมูล (DBMS) จะมี DW เป็นเรื่อง
เชิงบูรณาการเวลาเก็บไม่ระเหยของข้อมูลที่แตกต่างกันและ [7] มันมีข้อมูลทางประวัติศาสตร์และเก็บไว้ที่
ข้อมูลจะไม่ได้รับอย่างใดอย่างหนึ่งลบหรือเปลี่ยนแปลง การวิเคราะห์ข้อมูลทางประวัติศาสตร์และสรุปงบการเงินรวมอาจนำไปสู่
​​ข้อมูลที่มีค่าเช่นแนวโน้มความสัมพันธ์และพฤติกรรม เอกลักษณ์ของ DW ที่มีความแตกต่างของสาเหตุใน
การสร้างแบบจำลองและการออกแบบ DW ตัวอย่างเช่นใน DBMS ซ้ำซ้อนควรจะตัดออกเพื่อเพิ่มกระบวนการทางธุรกิจ
ในขณะที่การดำรงอยู่ของ DW ซ้ำซ้อนจะต้องเพิ่มประสิทธิภาพ DW แต่การเก็บรักษาประวัติศาสตร์ทั้งหมด
ข้อมูลที่มีการเปลี่ยนแปลงน้อยมากเป็นค่าใช้จ่ายเพราะมันต้องใช้พื้นที่ข้อมูลขนาดใหญ่ ที่จะพบปัญหานี้คิมบอลล์, et al
(2008) เสนอช้าเปลี่ยนวิธีมิติเพื่อเพิ่มประสิทธิภาพของ [9]

ผลลัพธ์ (ไทย) 3:

มีเฉพาะเกณฑ์ DW ที่แตกต่างกับระบบการจัดการฐานข้อมูล ( DBMS ) DW เป็นวิชา
มุ่งเน้น รวมเวลาที่แตกต่างและไม่ระเหยการเก็บข้อมูล [ 7 ] มีข้อมูลทางประวัติศาสตร์และเก็บรักษา
ข้อมูลจะไม่ถูกให้ลบหรือเปลี่ยน วิเคราะห์ทางประวัติศาสตร์ , สรุปข้อมูลรวมและอาจนำไปสู่
ข้อมูลที่มีค่า เช่น แนวโน้มและความสัมพันธ์ทางพฤติกรรม เอกลักษณ์ของหุ้นคุณลักษณะเพราะความแตกต่างในการออกแบบและการสร้างแบบจำลอง
DW . ตัวอย่างเช่นใน DBMS , ความเหลือเฟือควรจะตัดออกเพื่อเพิ่มประสิทธิภาพกระบวนการทางธุรกิจ
ในขณะที่ใน DW มีความซ้ำซ้อนจะต้องเพิ่มประสิทธิภาพของระบบ . อย่างไรก็ตาม การรักษาทั้งหมดประวัติศาสตร์
ข้อมูลที่ได้ไม่ค่อยเปลี่ยนมีราคาแพงเนื่องจากต้องใช้พื้นที่ข้อมูลใหญ่ พบปัญหานี้ คิมบอลล์ et al
( 2008 ) เสนอค่อยๆเปลี่ยนมิติวิธีการเพิ่มประสิทธิภาพ [ 9 ]