A.   Oracle Essbase

B.   IBM TM1

C.   Microsoft SSAS

A.   データ検証と同じです

B.   データの調和は、データスクラブと見なすことはできません

D.   データの標準化は、データスクラブと見なすことはできません

A.   スノーフレークスキーマ

C.   スタースキーマ

D.   事実星座スキーマ

B.   1つの次元を除くすべてのセルをマージします

C.   1つの次元に沿ってセルをマージします

D.   データキューブの1つの次元を除くすべてを選択します。

A.   データ履歴を維持するため

B.   データ品質を向上させるため

D.   複数のソースシステムからのデータを統合します

A.   ODS

B.   クリーンルームテーブル

D.   MDXクエリ中にデータクレンジングされた明確なクレンジングフェーズはありません

A.   2つのレベルのデータストレージ表現を使用して、密度とまばらなデータセットを処理します

C.   SQLのOLTP操作を促進します

D.   アレイベースの多次元ストレージエンジンを使用します

A.   運用データを倉庫操作のない状態に保つ必要があります

B.   複数のソースから派生したデータが含まれています

C.   データウェアハウスは、その中の破損したデータを許可する余裕がありません

B.   年と地域のランダム化

C.   特定の年を指定します

D.   年をランダム化

B.   コアテーブル

C.   メタデータテーブル

D.   ディメンションテーブル

A.   大量のデータを処理できます

B.   パフォーマンスは遅くなる可能性があります

D.   リレーショナルデータベースに固有の機能を活用できます

B.   データウェアハウスには、通常の間隔で運用データベースから一般的にロードされるデータが含まれています

C.   データウェアハウスのタイムホライズンは、運用システムの時間よりも長いです

D.   データウェアハウスは、履歴と（ほぼ）現在のデータの両方を維持しています

A.   Molapキューブは、高速データ検索のために構築されています

B.   Molapキューブは、スライスおよびダイシング操作に最適です

C.   データは多次元キューブに保存されます。

A.   これにより、ユーザーは多くの異なる次元または角度からのデータを分析できます

C.   さまざまな観点からデータを分析し、それを有用な情報に要約するプロセスです

D.   それはさまざまな分野間で相関またはパターンを見つけるプロセスです

A.   SQL

B.   ETL

D.   oltp

A.   増分抽出

C.   完全抽出

D.   オンライン抽出

B.   クエリと分析のために特別に構成されたトランザクションデータのコピーです

C.   報告と分析を促進するように設計されています

D.   これは、不揮発性の時間変化リポジトリです

A.   集中化されたファクトテーブルで表されます

B.   多次元データベース内のテーブルの論理的な配置

D.   それは星のスキーマのバリエーションです

B.   テスト言語を抽出します

C.   エクスポート、送信、負荷

D.   エクスポート、翻訳、負荷

A.   スタースキーマ

B.   スノーフレークスキーマ

C.   事実星座スキーマ

A.   oltp

B.   リレーショナルデータベース

C.   ODS

A.   スタースキーマ

C.   olap

D.   スノーフレークスキーマ

A.   2つのソースに複数の一致する列がある場合

B.   2つの情報源がプライマリーキーとキーとの関係を持っているとき

D.   2つのソースが不均一な場合

B.   事実が導き出される生データ

C.   添加剤測定に沿った方向を組み合わせることができます

D.   寸法に対する事実の比率

A.   ドリルアップ

B.   ロールダウン

C.   巻き上げる

B.   全員

C.   葉

D.   明確

A.   Fortran

C.   SQL

D.   SPSS

A.   サイコロ

B.   加入

C.   ピボット

A.   トランザクションボリューム

B.   総利益

C.   費用

A.   データの代替プレゼンテーションを提供するために、視界のデータ軸を回転させます

B.   2つの異なる次元での2つの連続したスライス操作

C.   回転とも呼ばれます

A.   CRC

C.   （これらの選択のいずれもありません）

D.   監査列

A.   / *この行 */

B.   //この行

D.   - この行

B.   組織がビジネス情報を取引できるオンラインのオープン交換

C.   データを事実と次元に整理するスキーマ

D.   個別の組織がデータを安全にバックアップできる中央リポジトリ

A.   星とスノーフレークスキーマには、2つのファクトテーブルが含まれています

B.   Snowflakeスキーマには2つのファクトテーブルが含まれています

D.   星スキーマには2つのファクトテーブルが含まれています

B.   Store Dimension Tableが存在する場合はUIDを保存します

C.   販売されたユニット

D.   上記のどれでもない

A.   サブジェクト指向

C.   不揮発性

D.   統合

A.   データベース

B.   olap

D.   データウェアハウジングenv

A.   巻き上げる

B.   ロールダウン

D.   ドリルアップ

B.   oltp

C.   OLAPとOLTPの両方

D.   OLAPもOLTPもありません

B.   上記のどれでもない

C.   オンライン分析処理用の3次元配列

D.   データを要約する次元削減操作

A.   正規化

B.   上記のすべて

D.   主キー

A.   すべてのオプションは正しいです

B.   olap

C.   データウェアハウジングenv

A.   1つのレベルのデータストレージ表現を使用して、まばらなデータセットを処理します

B.   1つのレベルのデータストレージ表現を使用して、密なデータセットを処理します

C.   1つのレベルのデータストレージ表現を使用して、高密度データセットとスパースデータセットの両方を処理します

B.   1つ以上の寸法を選択することにより、新しいサブキューブを形成します

C.   サイコロ操作は、特定のキューブで1つの寸法の選択を実行します

D.   あまり詳細なデータから非常に詳細なデータにデータをナビゲートします

A.   サイコロ

B.   スライス

C.   回転

A.   正規化されたアプローチ

B.   次元も正規化されたアプローチもありません

C.   次元と正規化されたアプローチの両方

B.   主に8、runlength、raw

C.   バイト辞書、LZO、デルタ

D.   LZO、デルタ、RAW

A.   読み書き

C.   書くだけです

D.   deconditionalを書いてください

A.   統合データウェアハウス

C.   オフラインの運用データウェアハウス

D.   オフラインデータウェアハウス

A.   関連した

B.   多次元

C.   ハイブリッド

B.   複雑な計算を実行する要件がある場合

C.   高速データ検索が必要な場合

D.   スライスとダイシングが必要な場合

A.   アーキテクチャの最初の層

C.   アーキテクチャの3番目の層

D.   アーキテクチャの第4層

B.   ロールダウン

C.   ドリルダウン

D.   ドリルアップ

B.   挿入して削除します

C.   リフレッシュしてロードします

D.   作成して編集します

A.   自然なグループ化をカバーする

C.   データの一貫した有効な組織を見つける

D.   データに関する仮説を開始します

A.   インデックステーブル

B.   Bツリー

D.   ハフマンエンコーディング

A.   部分的に非正規化

C.   完全に非正規化

D.   部分的に正規化

A.   テーブル内のほとんどの列はクエリに必要です

C.   作成される少数の既知のインデックス、静的クエリパターン

D.   カラムベースのエンジンは、OLTPアプリケーションにのみ適しています

A.   キューブのビジネス固有の視点を提供できます

C.   キューブから任意の数の寸法を隠すことができます

D.   キューブから階層を表示できます

A.   履歴データを追跡しません

C.   記録ごとのストレージ要件を大幅に増加させます

D.   廃止されたデータを新しい値で更新します

A.   スパース寸法にフィラー値を入力します

B.   タイプ6の更新をスパース寸法に適用します

C.   別のキューブにまばらな寸法を分離します

A.   追加されたら削除されないデータ

C.   特定のサブジェックに関する情報を提供するためにデータが操作されます

D.   データウェアハウスには定義された範囲があります

B.   キューブ

C.   サブキューブ（ネストされたMDXクエリ）

D.   上記のどれでもない

A.   上記のどれでもない

B.   列の省略を防ぐためのソースB

D.   マスターディテールの区別はありません、ジョイナーの変換は両方のソースを提供します

B.   分割（測定。[値a]/測定。[値B]、null）

C.   上記のどれでもない

D.   iff（測定。[値a] = 0、null、測定。[値a]/測定。[値b]））

A.   上記のすべて

B.   関連するデータを集約するには、新しいプライマリキーの作成が必要です

D.   データは、最初にETLプロセスを介してデータウェアハウスに配置する必要があります

B.   oltp

C.   olap

D.   データベース

A.   関連データの各グループの個別のテーブルは、各行の一意の識別子を使用して個別

C.   単一のテーブル内に重複した列はありません

D.   上記のどれでもない

A.   分散コンピューティングノード間で共有されるデータレイヤーの論理パーティション

B.   赤方偏移キューブの単一層を分離する並列操作

D.   組織内のさまざまなタイプのユーザー向けにデータウェアハウスのさまざまな部分を分離するクライアント向けパーティション

A.   から

B.   と

C.   上記のすべて

A.   プライベートSQLエリア

C.   プログラムグローバルエリア

D.   SQL作業エリア

A.   上記のすべて

B.   入力行をブロックしません

D.   単一出力グループ変換

A.   完全抽出

B.   論理抽出

D.   増分抽出

B.   各ディメンションテーブルにキーシーケンス列を使用した正規化されたデータ

C.   各ディメンションテーブルにキーシーケンス列を備えた星スキーマ

D.   フラットテーブルとして保存されているシーケンス情報

A.   要約されたデータが含まれています

B.   複数のソースから派生したデータのコレクションです

C.   リレーショナルデータベースです

B.   モラップ

C.   rolap

E.   コラップ

F.   コラップ

B.   多くの種類のビジネス要素間の関係を分析します。販売、製品、地域、およびチャネル

C.   階層的な期間にわたって集約されたデータを比較します。毎月、四半期、毎年

D.   さまざまな視点でデータを提示します。各地域内の製品ごとのチャネルごとの販売と各地域内の製品ごと

E.   ユーザーがシステムによって阻害されることなく分析的思考プロセスを追求できるように、ユーザーのリクエストに迅速に応答します

B.   データをクレンジングするプロセス

C.   レガシーシステムからデータをDataWarehouseに統合するプロセス

D.   データを圧縮するプロセス

E.   データウェアハウスに導入される前に無効なデータを排除するプロセス

A.   クエリ需要

C.   寸法の数

D.   原子データボリューム

E.   データのボラティリティ

B.   サブセットにないディメンションの1つ以上のメンバーの複数の値に対応する多次元配列のサブセット

C.   サブセットの寸法の1つ以上のメンバーの単一値に対応する多次元配列のサブセット

D.   サブセットの寸法の1つ以上のメンバーの複数の値に対応する多次元配列のサブセット

E.   サブセットにないディメンションの1人のメンバーの単一値に対応しない多次元配列のサブセット

A.   非正規化

B.   パーティション化

C.   要約

D.   非正規化と分割

A.   日にち

C.   IBM

D.   オラクル

E.   マイクロソフト

B.   メタデータ

C.   RDBMSテーブル

D.   ファクトテーブル

E.   ピボットテーブル

A.   データウェアハウスに保存されているデータの妥当性

C.   データウェアハウスに保存されているデータの適時性

D.   データウェアハウスに保存されているデータの冗長性

E.   データウェアハウスに保存されているデータのコンパクトさ

A.   この顧客の現在のアカウント残高は何ですか？

B.   何人の顧客が時間通りに残高を支払っていませんか？

C.   中央地域の顧客の総数は何ですか？

E.   どの顧客が最大購入しますか？

B.   データの冗長性

C.   データのボリューム

D.   データのコンパクトさ

E.   データの有効性

A.   分析するデータの量は少なくなります

C.   データセットの寸法のメンバーの可能な組み合わせ（交差点）の比較的高い割合が無効なデータが含まれている場合

D.   データセットの寸法のメンバーの可能な組み合わせ（交差点）の比較的高い割合に有効なデータが含まれている場合

E.   データセットの寸法からメンバーの可能な組み合わせ（交差点）の比較的高い割合が含まれている場合、古いデータが含まれています

B.   同期

C.   スライスとダイシング

D.   複製

E.   データ変換

B.   データのクレンジング

C.   さまざまなソースからのデータのデータウェアハウスへの統合

D.   データの分析

E.   データの回復

A.   リサイクルオンライン分析処理

C.   オンライン分析処理の削減

D.   回転したオンライン分析処理

E.   冗長オンライン分析処理

A.   ファクトテーブル

C.   データ辞書

D.   ピボットテーブル

E.   ディメンションテーブル

A.   不正なクレジットカードの使用のパターンを検出します

C.   顧客グループによるクレジットカードの支出を決定します

D.   異なる財務指標の間に隠された相関関係を見つけます

E.   クレジットカード所属を変更する可能性が高い顧客を予測する

A.   階層的なオンライン分析処理

C.   水平オンライン分析処理

D.   ハイパーオンライン分析処理

E.   ハイパーキューブオンライン分析処理

A.   テーブル

B.   セクション

C.   パーティション

E.   リポジトリ

A.   分類

B.   協会

D.   クラスタリング

E.   セグメンテーション

A.   クラスタリングとセグメンテーション

C.   ファジーロジック

D.   線形回帰分析

E.   ルールベースの分析

B.   RDBMSには、アーキテクチャの制限がない必要があります

C.   RDBMSサーバーは、許容可能なクエリパフォーマンスを維持しながら、数百、数千の同時ユーザーをサポートする必要があります

D.   クエリのパフォーマンスは、データベースのサイズに依存するのではなく、クエリの複雑さに依存する必要があります

E.   倉庫は、局所的な一貫性、グローバルな一貫性、および参照の完全性を確保する必要があります

B.   複製

C.   同期

D.   データ移行

E.   正規化

A.   データを情報に変換するプロセスです

B.   それは多くのテクニックのコレクションです

C.   それはolap の代替品です

D.   これは、機械生成された仮説に基づいています

E.   意思決定のサポート、予測、予測、および推定で使用されます