《BI项目笔记》基于雪花模型的维度设计

简介: 原文:《BI项目笔记》基于雪花模型的维度设计GBGradeCode 外键关系: 1 烟叶等级 T_GBGradeCode.
原文: 《BI项目笔记》基于雪花模型的维度设计

GBGradeCode

外键关系:

1

烟叶等级

T_GBGradeCode.I_DistinctionID=T_Distinction.I_DistinctionID

烟叶等级分为:上等烟、中等烟、下等烟、末等烟、低等烟、低次等烟、其它、下低等烟

2

分级标准

T_GBGradeCode.I_GradStanCode=T_GradeStandard.I_GradStanCode

取值为:四十二级、二十八级、自定义、其他、工艺级别

3

烟叶烤型

T_GBGradeCode.C_Type=T_TobaccoLeafType.C_Type

取值为:白肋烟、烤烟

QualityModel

外键关系:

T_TIR_QualityModelAdmin.F_OriginID = T_Origin.I_OriginID
T_TIR_QualityModelAdmin.F_CustomerCode = T_CustomInfo.T_CustomInfo
T_TIR_QualityModelAdmin.F_Tag = T_GBGradeCode.I_GBGradeID

数据处理:

ALTER TABLE T_TIR_QualityModelAdmin ALTER COLUMN F_CustomerCode VARCHAR(5)

DELETE  FROM T_TIR_QualityModelAdmin
WHERE   F_CustomerCode NOT IN ( SELECT  C_CustCode
                                FROM    T_CustomInfo )

DELETE  FROM T_TIR_QualityModelAdmin
WHERE   F_OriginID NOT IN ( SELECT  I_OriginID
                            FROM    T_Origin )              

UPDATE  T_TIR_QualityModelAdmin
SET     T_TIR_QualityModelAdmin.F_Tag = T_GBGradeCode.I_GBGradeID
FROM    T_GBGradeCode
WHERE   T_TIR_QualityModelAdmin.F_GradeCode = T_GBGradeCode.V_GBGradeCode

DELETE  FROM T_TIR_QualityModelAdmin
WHERE   T_TIR_QualityModelAdmin.F_Tag NOT IN ( SELECT   I_GBGradeID
                                               FROM     T_GBGradeCode )

ALTER TABLE T_Origin ALTER COLUMN I_OriginPID INT NULL

UPDATE  [T_Origin]
SET     [I_OriginPID] = NULL
WHERE   [I_OriginPID] = 0

QualMoistureMiddleRawChemistry

QualMoistureMiddle

数据处理:

ALTER TABLE T_TeamOrder ALTER COLUMN V_TeamOrderCode VARCHAR(10) NOT NULL
ALTER TABLE T_QualMoisture_Middle ADD DeptID INT NULL
ALTER TABLE T_QualMoisture_Middle ADD TeamOrderCode VARCHAR(10) NULL

UPDATE  T_QualMoisture_Middle
SET     DeptID = T_Department.I_DepID
FROM    T_Department
WHERE   T_QualMoisture_Middle.V_Team = T_Department.V_DepName

UPDATE  T_QualMoisture_Middle
SET     TeamOrderCode = T_TeamOrder.V_TeamOrderCode
FROM    T_TeamOrder
WHERE   T_QualMoisture_Middle.V_Team_Order = T_TeamOrder.V_TeamOrder

 RoastingPlan

数据处理:

ALTER TABLE TB_MRP_ROASTING_PLAN_DETAIL2 ADD ProdLineID VARCHAR(10) NULL
ALTER TABLE TB_MRP_ROASTING_PLAN_DETAIL2 ADD TLProcTypeID INT NULL
ALTER TABLE TB_MRP_ROASTING_PLAN_DETAIL2 ADD PurchaseID INT NULL
ALTER TABLE TB_MRP_ROASTING_PLAN_DETAIL2 ADD OriginID INT NULL
ALTER TABLE TB_MRP_ROASTING_PLAN_DETAIL2 ADD CustCode VARCHAR(5) NULL

-- 生产线
UPDATE  TB_MRP_ROASTING_PLAN_DETAIL2
SET     TB_MRP_ROASTING_PLAN_DETAIL2.ProdLineID = T_ManuProductLine.V_LineCode
FROM    T_ManuProductLine
WHERE   TB_MRP_ROASTING_PLAN_DETAIL2.COL_RPD_ROASTING_DEVICE = T_ManuProductLine.V_ProdLine

DELETE  FROM TB_MRP_ROASTING_PLAN_DETAIL2
WHERE   ProdLineID IS NULL

-- 加工类型
UPDATE  TB_MRP_ROASTING_PLAN_DETAIL2
SET     TB_MRP_ROASTING_PLAN_DETAIL2.TLProcTypeID = T_TLProcType.I_TLProcTypeCode
FROM    T_TLProcType
WHERE   TB_MRP_ROASTING_PLAN_DETAIL2.COL_RPD_MANUFACTURE_TYPE = T_TLProcType.V_TLProcType

DELETE  FROM TB_MRP_ROASTING_PLAN_DETAIL2
WHERE   TLProcTypeID IS NULL

-- 收购类型
UPDATE  TB_MRP_ROASTING_PLAN_DETAIL2
SET     TB_MRP_ROASTING_PLAN_DETAIL2.PurchaseID = T_PurchaseType.I_PurchaseID
FROM    T_PurchaseType
WHERE   TB_MRP_ROASTING_PLAN_DETAIL2.COL_RPD_FT_PURCHASE_TYPE = T_PurchaseType.V_PurchaseType

-- 成品产地 
UPDATE  TB_MRP_ROASTING_PLAN_DETAIL2
SET     TB_MRP_ROASTING_PLAN_DETAIL2.OriginID = T_Origin.I_OriginID
FROM    T_Origin
WHERE   TB_MRP_ROASTING_PLAN_DETAIL2.COL_RPD_RT_AREA = T_Origin.V_Origin

DELETE  FROM TB_MRP_ROASTING_PLAN_DETAIL2
WHERE   OriginID IS NULL

-- 客户
UPDATE  TB_MRP_ROASTING_PLAN_DETAIL2
SET     TB_MRP_ROASTING_PLAN_DETAIL2.CustCode = T_CustomInfo.C_CustCode
FROM    T_CustomInfo
WHERE   TB_MRP_ROASTING_PLAN_DETAIL2.COL_RPD_RT_OWNER = T_CustomInfo.V_Customer

DELETE  FROM TB_MRP_ROASTING_PLAN_DETAIL2
WHERE   CustCode IS NULL

 

目录
相关文章
|
SQL 存储 数据挖掘
Quick BI 的模型设计与生成SQL原理剖析
本文介绍Quick BI如何进行维度建模,基于维度模型如何来自动化的生成分析查询的SQL语句,从而使数据分析变得更容易。
2988 0
|
6月前
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
5月前
|
机器学习/深度学习 存储 计算机视觉
【YOLOv8改进】BRA(bi-level routing attention ):双层路由注意力(论文笔记+引入代码)
**BiFormer和HCANet摘要** BiFormer是CVPR2023提出的一种新型视觉Transformer,采用双层路由注意力机制实现动态稀疏注意力,优化计算效率和内存使用,适用于图像分类、目标检测和语义分割任务。代码可在GitHub获取。另一方面,HCANet是针对高光谱图像去噪的深度学习模型,融合CNN和Transformer,强化全局和局部特征建模,通过多尺度前馈网络提升去噪效果。HCANet在HSI数据集上表现优秀,其代码同样开放源代码。
|
6月前
|
SQL 人工智能 自然语言处理
GPT- BI在中国一汽上线,大模型技术融入数智化转型
GPT- BI在中国一汽上线,大模型技术融入数智化转型
851 1
|
6月前
|
SQL 机器学习/深度学习 数据可视化
产品至简,大道行宽——Quick BI接入通义千问大模型,引领数据消费新范式
产品至简,大道行宽——Quick BI接入通义千问大模型,引领数据消费新范式
705 0
|
机器学习/深度学习 人工智能 搜索推荐
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型(2)
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型
102 0
|
机器学习/深度学习 存储 缓存
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型(2)
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型(1)
140 0
|
机器学习/深度学习 自然语言处理 PyTorch
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型(1)
NNLM、RNNLM、LSTM-RNNLM、Bi-lstm、GPT-1…你都掌握了吗?一文总结语音识别必备经典模型(一)
163 0
|
机器学习/深度学习 存储 自然语言处理
Bi-SimCut: A Simple Strategy for Boosting Neural Machine Translation 论文笔记
Bi-SimCut: A Simple Strategy for Boosting Neural Machine Translation 论文笔记
|
数据可视化 算法 小程序
BI系统概述(下)--BI功能规划及设计
本文为《浅谈BI系统设计》第2篇原创文章。 在上篇《BI系统概述(上)——BI价值及核心能力》我们对BI建设的必要性有所了解。 那么如何着手建设自助式BI系统呢? 接下来将从这三个方面阐述需求调研、功能规划、产品设计。
734 2

热门文章

最新文章