《低智商犯罪》都看了吧，是否现在还在回味剧情里每一个人物的刻画，以及每一个案件的编排。看完后咱们就来简单的学习一下，如何把剧集里的人，事件以及各种关系，构建成一个简单的知识图谱。

本文介绍了Power Query在Power BI中的数据清洗与转换功能。主要内容包括：1) Power Query作为ETL工具的基本概念；2) 常用数据清洗操作如删除重复项、处理空值和错误值；3) 数据转换技术包括筛选、排序、透视/逆透视、拆分合并列；4) 自定义列与条件列创建方法；5) 分组聚合操作；6) 常用M函数速查。文章提供了详细的操作路径和代码示例，帮助用户将原始数据转换为适合分析的

**SCD2（Slowly Changing Dimension Type 2）** 是维度建模中处理历史变更的行业标准且最常用的方案。相比快照方式，SCD2只写入真正发生变化的数据行，通过 `有效期` 字段精确记录每条数据的生命周期，用极低的存储成本实现完整的历史追溯能力。这一篇用详细的代码解释其工作流程。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略

最近在拿一个VibeCoding项目练手，顺手尝试了几种把本地系统接入到智能体的几种方案。这里的智能体，泛指OpenClaw，LangChain Agent,Trae等。

PSA（Persistent Staging Area，持久化暂存区）是数据仓库的**第一层持久化存储**，直接接收从业务系统抽取的数据，并**长期保存所有历史版本**。作为数据库的第一层，叫法很多，也有叫stage，也有叫OBS，标准不是非常的统一。在我的系列笔记里都统一使用psa的这个叫法。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

数据仓库可以帮助我们追溯数据的历史变化，其中最主要的一个方法就是缓慢变化维。此篇主要介绍最常用的缓慢变化维：Type1, Type2, Type3。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

数据仓库（Data Warehouse，简称 DW 或 DWH）是一个**面向主题的、集成的、非易失的、随时间变化的**数据集合，用于支持管理决策。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

什么是 Data Mart？Data Mart（数据集市）是数据仓库的**面向主题的子集**，专门为特定业务部门或分析场景服务。我个人建议，前端BI工具，无论是Power BI或者是Tableau，都从这一层取数据，这样一来可以提高前端报表性能，同时也可以降低前端工具的建模难度。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

Star Schema（星型模型）是 **Ralph Kimball** 提出的维度建模方法，是数据仓库**面向分析的核心层**。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

「dbt+SQLServer构建数据仓库」是一套基于真实项目的实战学习笔记,记录我从零开始在 SQL Server 上用 dbt 搭建分层式数仓的完整过程。本文是第 1 篇,回答两个问题:**dbt 到底是什么**、**一个 dbt 项目从开发到上线经历哪些环节**。