A grandes rasgos, el proceso que se debe de seguir en toda solución de Master Data Services es el siguiente:

  1. Rellenar las tablas de Staging.
    1. Debemos de preparar los datos de origen e insertarlos en las tablas de staging de MDS. Existen tres tablas de staging (http://msdn.microsoft.com/en-us/library/ee633808(SQL.105).aspx )
      1. Miembros, mdm. tblSTGMember
      2. Atributos, mdm.tblSTGMemberAttribute
      3. Relaciones Padre-Hijo, mdm. tblSTGRelationship
    2. Además, disponemos de una tabla de procesos batch mdm. tblStgBatchen la que se registran los procesos batch de carga
    3. Los datos que tenemos en las tablas de staging pueden verse desde la ventana de importación en Master Data Management.
  2. Invocar el proceso de staging
    1. Una vez cargados los datos en las tablas de staging, podemos invocar el proceso de staging, que recogerá los registros de esas tablas y los cargará en las tablas. Este proceso puede hacerse:
      1. A través de interfaz gráfico
      2. A través del procedimiento almacenado mdm.udpStagingSweep
        1. A través de un parámetro podemos indicar cuando queremos que se ejecute si en el momento o en el intervalo especificado
      3. El proceso finaliza cuando todos los registros tiene el Status_Id en 2 en la tabla tblStgBatch
  3. Proceso de Validación
    1. Proceso de Validación mdm.udpValidateModel
      1. Solo se validan los que hayan pasado por el proceso de staging.
0 Shares:
Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

You May Also Like

Un paseo por Azure ML Services 

Azure ML y sus recursos han expandido enormemente las posibilidades para los desarrolladores de Machine Learning y los Científicos de Datos para obtener datos, analizarlos, entrenar modelos y publicarlos. Acompañame en éste artículo para conocer los elementos básicos y saber cómo puedes aprovechar la potencia de Azure para tus desarrollos ML.

Machine Learning vs SSAS Data Mining

En este vídeo del SolidQ Summit revisaremos diferencias iniciales sobre cosas que se pueden hacer y que no se pueden hacer (nativamente) y veremos casos concretos comparando rendimiento, precisión en los resultados, como lo haríamos en cada herramienta