There is one important question tha

There is one important question that cannot be answered by the previous retail sales
schema: What products were on promotion but did not sell? The sales fact table
records only the SKUs actually sold. There are no fact table rows with zero facts
for SKUs that didn’t sell because doing so would enlarge the fact table enormously.
In the relational world, a promotion coverage or event fact table is needed to
answer the question concerning what didn’t happen. The promotion coverage fact
table keys would be date, product, store, and promotion in this case study. This
obviously looks similar to the sales fact table you just designed; however, the grain
would be significantly different. In the case of the promotion coverage fact table,
you’d load one row for each product on promotion in a store each day (or week, if
retail promotions are a week in duration) regardless of whether the product sold.
This fact table enables you to see the relationship between the keys as defined by a
promotion, independent of other events, such as actual product sales. We refer to it
as a factless fact table because it has no measurement metrics; it merely captures the
relationship between the involved keys, as illustrated in Figure 3-14. To facilitate
counting, you can include a dummy fact, such as promotion count in this example,
which always contains the constant value of 1; this is a cosmetic enhancement that
enables the BI application to avoid counting one of the foreign keys.
To determine what products were on promotion but didn’t sell requires a twostep
process. First, you’d query the promotion factless fact table to determine the
universe of products that were on promotion on a given day. You’d then determine
what products sold from the POS sales fact table. The answer to our original question
is the set difference between these two lists of products. If you work with data in an OLAP cube, it is often easier to answer the “what didn’t happen” question
because the cube typically contains explicit cells for nonbehavior.

Kết quả (Việt) 1:

Đó là một câu hỏi quan trọng mà không thể được trả lời bởi bán trướclược đồ: sản phẩm trên quảng cáo nhưng không bán? Bàn bán hàng thực tếghi lại chỉ SKUs thực sự bán. Không có không có hàng bảng thực tế với sự kiện khôngcho SKUs mà không bán vì làm như vậy sẽ phóng to bảng thực tế rất nhiều.Quan hệ trên thế giới, một quảng cáo bảo hiểm hoặc sự kiện thực tế bảng cần thiết đểtrả lời câu hỏi liên quan đến những gì đã không xảy ra. Thực tế quảng cáo bảo hiểmBàn phím sẽ là ngày, sản phẩm, Cửa hàng và khuyến mãi trong nghiên cứu này. Điều nàyrõ ràng là trông tương tự như bàn bán hàng thực tế bạn chỉ cần thiết kế; Tuy nhiên, các hạtsẽ là đáng kể khác nhau. Trong trường hợp của quảng cáo bảo hiểm thực tế bảng,bạn sẽ tải một hàng cho mỗi sản phẩm trên quảng cáo trong một cửa hàng mỗi ngày (hoặc tuần, nếubán lẻ khuyến mãi là một tuần trong thời gian thực hiện) bất kể cho dù sản phẩm được bán.Bảng thực tế này cho phép bạn xem mối quan hệ giữa các phím như được xác định bởi mộtkhuyến mãi, độc lập của các sự kiện khác, chẳng hạn như bán hàng sản phẩm thực tế. Chúng tôi đề cập đến nónhư một thực tế factless bàn bởi vì nó đã không có số liệu đo lường; nó chỉ đơn thuần là bắt cácmối quan hệ giữa các phím tham gia, như minh họa trong hình 3-14. Để tạo thuận lợi chođếm, bạn có thể bao gồm một thực tế giả, chẳng hạn như quảng cáo tính trong ví dụ này,đó luôn luôn có giá trị liên tục của 1; đây là một nâng cao thẩm Mỹ màcho phép các ứng dụng BI để tránh kể một trong những chìa khóa nước ngoài.Để xác định những gì sản phẩm trên quảng cáo nhưng không bán yêu cầu một twostepquá trình. Trước tiên, bạn sẽ truy vấn bảng quảng cáo thực tế factless để xác định cácvũ trụ của sản phẩm trên quảng cáo vào một ngày nhất định. Bạn sau đó sẽ xác địnhnhững sản phẩm được bán từ bảng POS bán hàng thực tế. Câu trả lời cho câu hỏi ban đầu của chúng tôilà sự khác biệt thiết lập giữa các danh sách hai sản phẩm. Nếu bạn làm việc với dữ liệu trong một khối OLAP, nó thường là dễ dàng hơn để trả lời câu hỏi "những gì đã không xảy ra"bởi vì các khối lập phương thường chứa các tế bào rõ ràng cho nonbehavior.

Kết quả (Việt) 2:

Có một câu hỏi quan trọng mà không thể được trả lời bằng việc bán hàng bán lẻ trước
schema: Những sản phẩm được xúc tiến nhưng không bán? Bảng doanh thu thực tế
hồ sơ chỉ các SKU bán thực sự. Không có hàng bảng thực tế với số không thật
cho SKU không bán vì làm như vậy sẽ phóng to bảng thực tế rất nhiều.
Trong thế giới quan hệ, một phạm vi bảo hiểm khuyến mãi hay sự kiện thực tế bảng là cần thiết để
trả lời các câu hỏi liên quan đến những gì đã không xảy ra . Phạm vi bảo hiểm khuyến mãi thực tế
các phím bảng sẽ là ngày, sản phẩm, cửa hàng, và thăng tiến trong nghiên cứu trường hợp này. Điều này
rõ ràng là có vẻ giống với bàn bán hàng thực tế, bạn chỉ cần thiết kế; Tuy nhiên, các hạt
sẽ khác nhau đáng kể. Trong trường hợp của bảng bao phủ xúc tiến thực tế,
bạn muốn tải một hàng cho mỗi sản phẩm khuyến mại trong một cửa hàng mỗi ngày (hoặc một tuần, nếu
chương trình khuyến mãi bán lẻ là một tuần trong thời hạn) bất kể các sản phẩm được bán.
Bảng thực tế này cho phép bạn thấy mối quan hệ giữa các phím như được định nghĩa bởi một
xúc tiến, độc lập với các sự kiện khác, chẳng hạn như doanh số bán sản phẩm thực tế. Chúng tôi đề cập đến nó
như một bảng thực tế factless vì nó không có số liệu đo lường; nó chỉ nắm bắt được những
mối quan hệ giữa các phím liên quan, như minh họa trong hình 3-14. Để tạo điều kiện
đếm, bạn có thể bao gồm một thực tế giả, chẳng hạn như đếm xúc tiến trong ví dụ này,
mà luôn luôn có giá trị không đổi của 1; đây là một nâng cao thẩm mỹ mà
cho phép các ứng dụng BI để tránh đếm một trong các phím nước ngoài.
Để xác định những sản phẩm đã được xúc tiến nhưng không bán đòi hỏi một hai bậc thang
quá trình. Đầu tiên, bạn muốn truy vấn xúc tiến bảng thực tế factless để xác định
vũ trụ của những sản phẩm khuyến mại vào một ngày nhất định. Sau đó, bạn sẽ xác định
những gì các sản phẩm được bán ra từ các bàn bán hàng POS thực tế. Câu trả lời cho câu hỏi ban đầu của chúng tôi
là sự khác biệt giữa hai tập hợp danh sách các sản phẩm. Nếu bạn làm việc với dữ liệu trong một khối OLAP, nó thường được dễ dàng trả lời "những gì đã không xảy ra" câu hỏi
vì khối lập phương thường có chứa các tế bào rõ ràng cho nonbehavior.