데이터 웨어하우징과 비즈니스 인텔리전스
SaaS 기업이 ETL/ELT를 사용해 운영 데이터를 웨어하우스로 옮기고, 스타 스키마와 집계를 활용해 BI 대시보드를 구축하는 방식을 배웁니다.
데이터 웨어하우징과 비즈니스 인텔리전스은(는) CoddyKit의 무료 SaaS Architecture & Startup Engineering 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 SaaS Architecture & Startup Engineering 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. SaaS Architecture & Startup Engineering 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
OLTP vs OLAP
Your live app database is OLTP (transaction processing): fast small reads and writes. Analytics needs OLAP: large scans over historical data.
Running heavy analytics on the production database harms app performance, so we separate them.
The Data Warehouse
A data warehouse (Snowflake, BigQuery, Redshift) stores large volumes of historical data optimized for analytical queries.
It is the single source of truth for reporting across the whole SaaS business.
ETL vs ELT
Two patterns move data into the warehouse:
- ETL — Extract, Transform, then Load (transform before storing)
- ELT — Extract, Load, then Transform (load raw, transform inside the warehouse)
Modern cloud warehouses favor ELT because they have cheap, powerful compute.
Extracting Data
Extraction pulls data from sources: the app database, event streams, and third-party APIs. It can be a full reload or an incremental pull of only changed rows.
Incremental extraction scales far better as data grows.
The Star Schema
Warehouses model data as a star schema: a central fact table (measurable events) surrounded by dimension tables (descriptive context like date, user, product).
Facts and Dimensions
A fact row records a measurable event with numeric measures and foreign keys to dimensions.
-- fact_sales
-- sale_id, date_key, product_key, customer_key, amount
SELECT SUM(amount)
FROM fact_sales
JOIN dim_date USING (date_key)
WHERE dim_date.year = 2026;Aggregation and Roll-Ups
BI queries aggregate facts: sum revenue by month, count signups by plan, average usage by region.
Pre-computed roll-up tables or materialized views speed up frequently used aggregations.
SELECT plan, COUNT(*) AS signups
FROM fact_signups
GROUP BY plan;Business Intelligence Dashboards
BI tools (Looker, Metabase, Tableau) sit on top of the warehouse and let non-engineers explore data through charts and dashboards.
This democratizes data access across the company.
Tenant Isolation in Analytics
In multi-tenant SaaS, analytics must respect tenant boundaries. Internal dashboards may span all tenants, but customer-facing analytics must filter strictly by tenant ID.
A leak here exposes one customer's business data to another.
Data Freshness vs Cost
Warehouses can update in batches (hourly, nightly) or near real-time via streaming. More freshness costs more compute.
Match the refresh rate to the decision: executive reports rarely need second-by-second data.
Data Quality and Governance
Bad data leads to bad decisions. Apply data quality checks (no nulls in keys, totals reconcile) and governance (access control, documentation) so the warehouse stays trustworthy.
Trust in the numbers is the whole point of BI.
Quick Check
Test your data warehousing knowledge.
Recap
You learned data warehousing and BI:
- OLTP vs OLAP and why to separate them
- ETL vs ELT pipelines with incremental extraction
- Star schemas (facts and dimensions), aggregation, and BI dashboards
- Tenant isolation, freshness/cost trade-offs, and data quality
AI 튜터와 함께 SaaS Architecture & Startup Engineering을(를) 배우세요 — 무료
브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.
- 코스
- 12
- 레슨
- 48
자주 묻는 질문
“데이터 웨어하우징과 비즈니스 인텔리전스” 강의는 무료인가요?
네 — “데이터 웨어하우징과 비즈니스 인텔리전스” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 SaaS Architecture & Startup Engineering 강의 전체를 잠금 해제할 수 있습니다. SaaS Architecture & Startup Engineering 강의에는 총 4개의 강의가 포함되어 있습니다.
“데이터 웨어하우징과 비즈니스 인텔리전스”에서 뭘 배우나요?
SaaS 기업이 ETL/ELT를 사용해 운영 데이터를 웨어하우스로 옮기고, 스타 스키마와 집계를 활용해 BI 대시보드를 구축하는 방식을 배웁니다. 브라우저에서 직접 실행하는 실습 코드로 SaaS Architecture & Startup Engineering을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
SaaS Architecture & Startup Engineering을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 SaaS Architecture & Startup Engineering은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“데이터 웨어하우징과 비즈니스 인텔리전스” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 SaaS Architecture & Startup Engineering 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 SaaS Architecture & Startup Engineering 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 분석을 위한 데이터 파이프라인
- 인공지능 및 머신러닝 서비스 통합
- 기능 플래그 및 A/B 테스트
- 데이터 웨어하우징과 비즈니스 인텔리전스