出勤率不会记录。但是，您的出勤率会被记录下来，以便追踪。

本周Seminar概览

刚开始简单介绍了下Teaching Team, Topics, Assessments，然后举了几个Geospatial analysis例子之后，就开始念PPT了，PPT内容大概就是讲数据工程、数据仓库、数据清理之类的概念性知识。最后匆匆过了一下SQL revision就结束了。

感觉Seminar和Lecture没差别，也是Lecturer自言自语的读PPT，甚至时间把握也没把握好，PPT都没读完就匆匆结束了。

本周教学目的

1. 建立“数据工程视角”

   让你用系统工程的方式看“数据到数用”的全链路，明确对象/用途/用户/原料/流程/工具，不再把数据工作等同于零散的清洗脚本。

2. 为后续的 DW/OLAP/BI 奠基

   解释为何需要 DW（决策支持、规模与口径统一）、DW 如何建模（星型/粒度/预计算）、如何被消费（OLAP/BI）。这是从“数据库技术”走向“高级数据库技术（分析型）”的第一步。

3. 强调质量与可持续交付

   通过“医院案例”说明一次性做法在长期运维中不可持续，因此要用模块化/分工化来确保质量保证（QA）与团队协作。

4. 明确学习与实践边界

   指出你需要掌握的技术栈与方法（DB、DW、ETL、建模、分析、存储/优化 + 编程/可视化等），为后续实验与作业（如案例星型建模与仓库实现）设定目标。

本周知识点

一、Data Engineering: An Introduction（数据工程入门）

• 以与软件工程并行的“七问”框架切入（我们在构建什么、用途、谁用、工具、方法/流程、原材料、需求），把数据工程当作一门有对象—流程—交付的系统工程来理解。
• 明确产物不是“报表/模型代码”，而是“可用于分析的数据”（We are designing and building data!!）。
• 用途：服务数据分析与建模（预测、趋势、聚类/分类、仪表板、描述/规范/因果分析等）。
• 原材料：原始数据，且“原始数据并未就绪”，需要工程化加工。
• 数据来源/格式多样：事务库、公开/第三方、设备/传感器、应用/爬虫、地图；文本/结构化/半结构化/CSV/专用结构/多媒体。
• 后续主线：数据工程架构与数据工程组件。

二、Why We Need Data Warehousing（为什么需要数据仓库）

• 以维州 5 家医院手术数据（2 年 CSV）做仪表板为例，展示“临时合并+清洗+出图”的一次性流程，以及其中暴露的质量与复用问题。
• 指出更真实场景是持续到数的多批次到来、口径变化与新错误叠加，一次性脚本会不断“返工”。
• 借鉴软件工程的模块化与抽象，强调需要框架化、分工化：把清洗与仪表板等环节拆成可独立演进的流水线阶段。
• 结论：要有过程/数据质量保障与专业化分工；数据工程工作量很大（“DE=80%”）；即使小项目不建 DW，DW 也能提供方法论与框架。

三、DE: Architectures & Components（架构与组件）

• 架构：三种以 DW 为核心的输入场景——来自本地数据库、外部来源、其它数据生产者，突显多源异构。
• 组件：

  • 数据库：关系模型、事务管理、ACID，面向一致性与在线处理。
  • 数据仓库：预计算与粒度（granularity）设计，基于关系技术但需预先建模，面向分析性能与稳定口径。
• 工具与过程：数据库/DW 技术、（大数据/系统/编程/可视化）工具；ETL、DW 建模、数据分析、存储与优化构成理论基线。

四、Data Warehousing: An Introduction（数据仓库入门）

• 从操作型数据库到数据仓库：通过 ETL 完成抽取—转换—加载。
• 面向多维分析的新建模：把仓库看作多维“立方体”，底层以**星型模式（Star Schema）**实现。
• OLAP：在大体量上**即时汇总（on the fly）**需要 OLAP 工具；BI 消费层包含报表、图表、仪表板与交互式导航。
• 星型模式三件套：事实（数值度量）、维度（观察视角）、属性（维度细化），发展动因是 ER/范式化难以满足高级分析结构诉求。
• 案例作业：围绕学院收入/缴费主题，要求定义事实与维度、绘制星型模式、明确维度属性，并在实验中实现。