事實定義的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

學術演講入門

為了解決事實定義的問題，作者李明懿,陳慶萱,蔡愷瑜 這樣論述：

　　學術華語發表系列之《學術演講入門》乃由臺灣聯合大學系統（University System of Taiwan, UST）華語教師合力編撰。教材目標為增進在華語環境中求學和工作的非母語學習者學術語言聽解和表達能力。   　　本冊各課課文以學術演講情境貫串十個單元。講題以自然科學之環境議題和社會科學之物價議題為背景。前五課內容從主持人開場到演講結束；第六到第十課則為演講情境中常出現的話語思維，包括舉例說明、分析問題、陳述事實、定義與分類、論點。   　　本教材適用於實體、線上、混成等教學模式，可作為課程主題或輔助教材，亦可供學生自學。  

事實定義進入發燒排行的影片

以戲劇理論探討居家清潔顧客體驗對品牌忠誠及滿意度之影響

為了解決事實定義的問題，作者許智淳 這樣論述：

清潔市場並非新興產業，由於台灣社會形態的演化：忙碌的生活型態加上少子化、高齡化已是大勢所趨，居家清潔服務產業將成未來商機。已有許多學者研究體驗行銷與顧客滿意度或是品牌忠誠之間的關係。本研究旨在運用戲劇理論的觀點來探討居家清潔顧客體驗與顧客滿意度及品牌忠誠之間的影響，以此設計出本研究的理論架構及研究模型。戲劇理論的觀點與居家清潔顧客體驗有高度的重疊性，居家清潔顧客體驗不僅僅是服務人員的表演，而是涉及話語、事實定義和互動交流的溝通，傳遞顧客個人化、難忘的體驗，且透過顧客獨特的視角能更深入地瞭解顧客的需求，並進一步改善並增加顧客對於產品或是服務的購買意願，並增強對個人或企業品牌的滿意度或忠誠度。本

研究以居家清潔顧客體驗的顧客為研究樣本，從網路問卷收集220份有效問卷經實證研究中發現：發現戲劇理論的四個要素會顯著影響居家清潔顧客之體驗感受，並間接影響顧客滿意度及品牌忠誠。本研究的研究結果亦提供實務業者以著重於最能影響顧客體驗之元素進行設計並改善及提昇顧客滿意度及忠誠度之具體建議。

數據倉庫與商業智能寶典（第2版）：成功設計、部署和維護DW/BI系統

為了解決事實定義的問題，作者（美）拉爾夫·金博爾等 這樣論述：

作為數據倉庫和商業智能(DW/BI)行業中最有影響力的領軍人物，Ralph Kimball、Margy Ross得到了世界范圍內的認可和尊重，他們在《數據倉庫與商業智能寶典(第1版)》中確立了行業標准。現在，在《數據倉庫與商業智能寶典(第2版)　成功設計、部署和維護DW/BI系統》中已經更新了65篇DesignTip和白皮書，從而匯集了DW/BI技術創新前沿的著作。從項目規划和需求收集，到維度建模、ETL和BI應用，本書涵蓋了你在數據倉庫和商業智能中將會遇到的所有內容。這些無與倫比的文章提供了成功地設計、部署和維護DW/BI系統的重要建議。主要內容：◆ 啟動DW/BI項目和收集需求的注意事項◆

集成式企業數據倉庫的必備要素，其中包括總線架構和矩陣◆ 事實表的粒度性和三種基本類型◆ 漸變維度技術◆ 星型模式、外支架和橋接表◆ 維度建模高級模式◆ 提取、轉換和加載(ETL)子系統與數據質量◆ BI應用很好實踐◆ 大數據注意事項無論你正以何種身份參與數據倉庫或商業智能項目，這本可輕易參考和最近更新的寶典可謂無價之寶。Ralph Kimball創立了Kimball Group。自20世紀80年代中期開始，他就一直是DW/BI行業關於維度化方法的思想領袖，並且已經培訓了超過20 000名IT專家。在任職於Metaphor和創立Red Brick Systems之前，Ralph在施樂帕克研究中

心(Xerox PARC)參與創建了Star工作站。Ralph擁有斯坦福大學電子工程專業的博士學位。 第1章 讀本概覽 11.1 抑制住立即開始編碼的沖動 11.2 設置邊界 31.3 數據爭奪 51.4 流言終結者 71.5 划分數據世界 91.6 集成式企業數據倉庫的必要步驟 101.6.1 集成式EDW會交付什麼 111.6.2 集成的終極試金石 111.6.3 組織挑戰 121.6.4 一致化維度和事實 121.6.5 使用總線矩陣與管理層交流 121.6.6 管理集成式EDW的主干 131.6.7 維度管理器 141.6.8 事實提供者 151.6.9 配置商業智能

(BI)工具 161.6.10 連帶責任 171.7 鑽取以尋求原因 171.8 漸變維度 191.8.1 漸變維度的三種原生類型 201.8.2 高級漸變維度 221.9 通過維度評價BI工具 221.10 事實表 241.10.1 忠實於粒度 241.10.2 從最低的可能粒度進行構建 251.10.3 三類事實表 251.11 開發利用事實表 261.11.1 前端：聚合導航 261.11.2 前端：鑽取不同的粒度 261.11.3 前端：將約束暴露給不同的業務過程 261.11.4 后端：事實表代理鍵 27第2章 深入研究之前 292.1 Ralph Kimball和施樂帕克研究中心(

Xerox PARC) 292.2 數據庫市場分化 312.3 提出超市概念(Kimball經典) 332.3.1 危機規划 332.3.2 具有架構的數據集市 342.3.3 一致化維度的重要性 342.3.4 設計一致化維度 352.3.5 做出承諾 362.3.6 允許的一致化維度變體 362.3.7 建立標准事實定義 362.3.8 粒度的重要性 372.3.9 更高級別的數據集市 382.3.10 解決煙囪問題 382.3.11 不需要一致化維度的情形 382.3.12 清晰視角 392.4 數據倉庫的全新需求 392.5 應對全新需求 422.5.1 數據集市和維度建模 422.5

.2 將數據集市插入數據倉庫總線架構中 442.6 挑起事端 462.7 設計約束和不可避免的現實 492.7.1 設計約束 492.7.2 不可避免的現實 502.7.3 擺脫困境 512.8 兩個強有力的觀點 522.8.1 分離系統 522.8.2 對稱的星型結構和多維數據集 532.8.3 巨大的回報 542.8.4 我們已經取得了什麼成果 542.9 數據倉庫就餐體驗(Kimball經典) 542.9.1 廚房 552.9.2 就餐區 562.10 用於更艱難問題的更簡單方法 572.10.1 增量集成 572.10.2 遞增的數據質量 582.11 擴展數據倉庫的邊界 58第3章

項目/程序規划 613.1 專家邊界 613.2 工程師的觀點 633.2.1 數據倉庫使命 643.2.2 設計驅動 653.2.3 設計約束 653.2.4 工程師的回應 663.3 當心異議消除者 663.4 中央團隊要做些什麼 693.4.1 定義和發布共享維度 703.4.2 提供跨部門的應用程序 713.4.3 定義一致化數據倉庫安全性架構 723.5 避免隔離的DW和BI團隊 723.6 BI和數據倉庫專家可用的、更好的業務技能 733.6.1 建立對業務的理解 733.6.2 建立人際交往能力 733.6.3 掌握公開演講技巧 743.6.4 掌握書面溝通技巧 743.6.5

實踐決定一切 753.7 有風險的項目資源就是有風險的業務 753.8 無法實現分析 763.9 包含DW/BI范圍蔓延並且避免范圍冒用 773.10 IT過程對於DW/BI項目是否有益 793.10.1 規范 793.10.2 命名規范 793.10.3 教條主義 803.11 有效主辦者的行為 803.11.1 為成功做准備 813.11.2 抵制阻力最小的路徑 813.11.3 團結周邊可用資源 823.11.4 耐心是一種美德 823.11.5 保持對目標的專注 833.12 從終端用戶開始計算的總體擁有成本(Kimball經典) 833.12.1 不好的決策也是成本 833.12.2

仔細查看這些成本 843.13 簡要概括Kimball生命周期 873.13.1 程序/項目規划和管理 883.13.2 業務需求 883.13.3 技術軌跡 883.13.4 數據軌跡 883.13.5 商業智能軌跡 893.13.6 部署、維護和發展 893.14 挺身而出 893.15 持相反意見的架構師 903.16 在應用最佳實踐時慎重思考 933.16.1 采取一種企業方法 933.16.2 擁抱商業智能 933.16.3 設計維度模式 933.16.4 將一致化維度用於集成 943.16.5 仔細規划ETL架構 943.17 低風險企業數據倉庫的八個准則 953.17.1 做正

確的事情 953.17.2 賦予業務用戶控制權 963.17.3 漸進式處理 963.17.4 從輕量級、專注的治理開始 963.17.5 構建一個簡單、通用的平台 973.17.6 使用一致化維度來集成 973.17.7 每次都用一些過濾來管理質量 973.17.8 自始至終使用代理鍵 97第4章 需求定義 994.1 將Alan Alda的訪問技巧用於揭示業務需求(Kimball經典) 994.1.1 保持好奇心，但不要自作聰明 1004.1.2 要口語式對話 1004.1.3 傾聽並且期望被改變 1014.2 業務需求收集的更多注意事項 1024.3 平衡需求與現實(Kimball經典)

1044.4 在收集業務需求時克服障礙 1054.5 令人吃驚的數據剖析價值 1064.6 專注於業務過程，而非業務部門 1084.7 識別業務過程 1094.8 業務過程全面揭秘 1104.9 戰略業務舉措和業務過程之間的關系 1114.10 自下而上屬於用詞不當 1124.10.1 專注於企業，而非部門 1124.10.2 起草企業數據倉庫總線矩陣 1124.10.3 進行優先級排序以便得到一份有序的結論 1134.10.4 繪制企業路線圖 1154.11 (超越數據建模的)維度化思維 1154.12 使用維度模型驗證業務需求 116第5章 數據架構 1195.1 ER建模是否對DSS有

害（Kimball經典) 1195.2 一個維度建模宣言(Kimball經典) 1225.2.1 什麼是3NF標准化建模 1225.2.2 什麼是DM 1245.2.3 DM與3NF的對比 1255.2.4 DM的優勢 1265.2.5 對DM的誤解 1275.2.6 捍衛DM 1285.3 沒有百分百的保證 1285.3.1 3NF建模是否會處理業務規則嗎 1295.3.2 早期維度建模 1305.4 分而治之 1315.4.1 是否需要通用標簽 1325.4.2 業務過程主題領域並不是部門化的 1325.4.3 一致化維度和事實 1325.4.4 數據倉庫總線架構 1335.4.5 是否僅

僅為了高度分布式系統 1335.4.6 凈收益 1345.5 矩陣(Kimball經典) 1345.5.1 邀請主題領域小組參加一致化會議 1365.5.2 與老板進行溝通 1365.5.3 二級主題領域 1365.6 再次探討矩陣(Kimball經典) 1375.6.1 用於引用數據的矩陣列 1375.6.2 數據管理 1375.6.3 以過程為中心的行 1385.6.4 關聯列和行 1385.6.5 常見的矩陣不幸事件 1395.6.6 矩陣擴展 1395.7 向下鑽取到詳細的總線矩陣中 1405.8 關於敏捷方法論 1425.9 敏捷企業數據倉庫是不是一個矛盾混合體 1435.10 采用

敏捷方法？先要從總線矩陣開始 1445.11 作為敏捷數據倉庫基礎的一致化維度 1455.12 為現實中的人而集成 1465.12.1 定義集成 1465.12.2 集成標簽 1475.12.3 集成測量 1475.12.4 維度管理者的職責 1485.12.5 事實提供者的職責 1485.13 為企業維度構建即時可用的資源 1495.14 數據管理基礎知識：質量和一致性的第一步 1505.14.1 為何管理是必要的 1505.14.2 管理職責 1515.14.3 管理的正確舉措 1525.14.4 溝通工具和技術 1525.14.5 如何開始 1525.15 要不要集中化 1535.15.

1 閃光的未必都是金子 1535.15.2 不要畏懼偉大 1545.15.3 結果好意味着一切都好 1555.16 觀點差異(Kimball經典) 1555.16.1 共同之處 1555.16.2 Kimball總線架構 1565.16.3 企業信息工廠 1575.16.4 根本性差異 1585.16.5 混合方法怎麼樣 1595.16.6 成功標准 1595.17 庸人自擾 1605.18 不要用一個標准化EDW支持商業智能 1605.19 使用維度展示區域補充3NF EDW 162第6章 維度建模基礎 1656.1 事實表和維度表 1656.1.1 測量和上下文 1656.1.2 維度鍵

1666.1.3 把兩個建模方法關聯起來 1676.1.4 聲明粒度 1676.1.5 可累加事實 1676.1.6 退化維度 1686.2 向下、向上和橫向鑽取 1686.2.1 向下鑽取 1686.2.2 向上鑽取 1706.2.3 橫向鑽取 1706.3 數據倉庫的靈魂之第一部分：向下鑽取 1716.4 數據倉庫的靈魂之第二部分：橫向鑽取 1736.4.1 實現橫向鑽取 1746.4.2 令人驚訝的神奇之處 1756.5 數據倉庫的靈魂之第三部分：時間處理 1756.5.1 時間的有效性 1766.5.2 正確關聯 1766.5.3 自然粒度 1776.5.4 是否兌現了承諾 1786.

6 優雅修改已有的事實和維度表 1786.7 Kimball關於維度建模的十項必要規則(Kimball經典) 1796.8 不該做的事情 1816.9 危險的先入為主的想法 1836.10 虛言和事實 1856.10.1 並非所有的維度模型都是同等創建的 1856.10.2 專注於測量過程，而非部門報告 1856.10.3 從原子詳情開始，而非匯總數據 1866.10.4 目標是集成，而非標准化 187第7章 維度建模任務和職責 1897.1 讓用戶安然入眠 1897.2 用於設計維度模型的實踐步驟 1947.2.1 參與其中 1957.2.2 深究細節 1957.2.3 審核結果 1967.

3 為維度建模團隊配置人員 1977.4 讓業務代表參與到維度建模中 1987.5 管理大型維度設計團隊 1997.6 使用設計章程讓維度建模活動處於正軌 2007.7 命名博弈 2017.7.1 步驟1：准備 2017.7.2 步驟2：創建一個初始名稱集 2027.7.3 步驟3：建立共識 2027.8 名稱的意義 2027.9 維度設計何時算結束 2047.10 設計評審注意事項(Kimball經典) 2067.11 大把的缺點 2077.11.1 粒度是什麼 2077.11.2 是否存在混合粒度或文本事實 2087.11.3 是否有維度描述符和解碼 2087.11.4 層次結構如何處理

2087.11.5 是否采用顯式日期維度 2097.11.6 是否將控制編號作為退化維度 2097.11.7 是否使用代理鍵 2097.11.8 是否采用漸變維度策略 2107.11.9 是否很好地理解了業務需求 2107.12 對維度數據倉庫進行評分 2107.12.1 架構標准 2107.12.2 管理標准 2117.12.3 表述標准 2127.12.4 是否具有維度化思想 214第8章 事實表核心概念 2158.1 聲明粒度 2158.1.1 業務術語中的表達 2168.1.2 巨大的影響 2168.1.3 保持事實忠實於粒度 2178.2 在維度建模中保持粒度 2188.3 警告：匯

總數據可能會有害健康 2198.4 再微小的細節都是需要的 2208.4.1 累積原子數據 2208.4.2 跨過程合並 2208.4.3 性能越高，維度性越低 2208.4.4 合並事實表示例 2218.4.5 累計式快照示例 2218.4.6 細節至上 2228.5 基礎粒度 2238.5.1 基礎粒度 2238.5.2 我們要如何使用每一個事實表類型 2258.6 使用累計式快照對管道進行建模 2258.7 合並定期和累計式快照 2288.8 互補的事實表類型 2288.8.1 事務事實表 2298.8.2 定期快照事實表 2298.8.3 累計式快照事實表 2308.9 對時間段進行建

模 2308.10 在現在和過去對未來進行滾動預測 2328.11 時間段累計式快照事實表 2358.12 是維度還是事實，抑或兩者都是 2368.13 非事實型事實表 2378.14 非事實型事實表聽起來像不像沒有帆的帆船 2398.15 哪些事情還沒發生 2408.15.1 覆蓋范圍表 2418.15.2 用於未發生行為的明確記錄 2418.15.3 用NOT EXISTS搜索不存在的事實 2418.15.4 使用NOT EXISTS找到還不存在的屬性 2428.16 追求簡化的非事實型事實表 2438.17 管理父數據 2448.17.1 有爭議的分配機制 2468.17.2 艱難的分配

環境 2468.18 在建模標題/行項目事務時要避免的模式 2478.18.1 糟糕的主意#1：將標題保存成維度 2478.18.2 糟糕的主意#2：行項目不繼承標題維度性 2478.18.3 標題/行項目事務的推薦結構 2488.19 事實表代理鍵 2498.20 關於事實表代理鍵的讀者建議 2498.21 再談退化維度 2518.22 為極少訪問的退化項創建一個引用維度 2528.23 規范事實表 2538.24 將文本保存在事實表外 2548.25 處理維度模型中的空值 2558.25.1 作為事實表外鍵的空值 2558.25.2 作為事實的空值 2568.25.3 作為維度屬性的空值

2568.26 將數據同時建模為事實和維度屬性 2568.27 事實表何時可被用作維度表 2578.28 稀疏事實和具有較短生命周期的事實 2588.29 用事實維度讓事實表成為中心 2608.30 用於復雜工作流的累計式快照(Kimball經典) 261第9章 維度表核心概念 2639.1 代理鍵(Kimball經典) 2639.2 保持鍵的簡單性 2669.3 持久的「超自然」鍵 2679.4 是時候談談時間了 2699.4.1 基礎時間問題 2699.4.2 中間時間問題 2709.5 用於時間維度的代理鍵 2719.6 對時間維度表的最新思考 2729.7 將智能日期鍵用於分區事實表

2749.8 更新日期維度 2759.9 處理所有的日期 2759.10 為空值選擇默認值(Kimball經典) 2779.11 數據倉庫角色模型 2789.12 神秘維度 2819.12.1 找到明顯的與維度有關的字段 2819.12.2 找出與事實有關的字段 2829.12.3 決定對其余字段的處理 2829.12.4 將神秘字段轉換成神秘維度 2839.13 整理雜項維度 2849.14 顯示維度之間的相關性 2849.15 因果性(非因果性)維度(Kimball經典) 2859.16 抵制抽象的通用維度 2889.17 熱插拔維度 2899.18 精確統計維度增補項的數量 2909.1

9 使用類型2 SCD的完美分區歷史 2919.20 許多交替的現實 2929.20.1 可預測的多種現實 2939.20.2 不可預測的多種現實 2949.21 龐然大物般的維度 2959.22 當漸變維度加速時 2979.22.1 漸變維度中的日期戳 2979.22.2 並非緩慢變化的SCD 2979.23 維度何時會變得危險 2989.24 漸變維度並非總是像類型1、類型2和類型3那樣簡單(Kimball經典) 2999.24.1 具有當前重寫的微型維度 3009.24.2 具有當前重寫的類型2 3009.24.3 在事實表中具有持久鍵的類型2 3019.24.4 類型3屬性系列 302

9.24.5 在能力與易用性之間取得平衡 3039.25 漸變維度類型0、類型4、類型5、類型6和類型7(Kimball經典) 3039.25.1 類型0：保留原始值 3039.25.2 類型4：添加微型維度 3039.25.3 類型5：添加微型維度和類型1外支架 3049.25.4 類型6：將類型1屬性添加到類型2維度 3049.25.5 類型7：雙重類型1和類型2維度 3059.26 維度行變更原因屬性 306第10章 更多的維度模式和注意事項 30910.1 星型、外支架和橋接 30910.2 三種有意思的星型模式 31110.2.1 經典的星型模式 31210.2.2 大型顧客維度 3

1210.2.3 金融產品維度 31310.2.4 多企業日歷維度 31410.2.5 允許的星型模式 31410.3 為維度建模提供幫助 31410.4 管理橋接表 31710.4.1 使用代理鍵 31810.4.2 使用雙時間戳 31810.4.3 更新橋接表 31910.5 關鍵字維度 32010.5.1 設計關鍵字維度 32110.5.2 AND/OR的兩難局面 32210.5.3 搜索子字符串 32210.5.4 高性能子字符串索引 32310.6 可能的橋接(表)彎路 32310.7 多值維度的可選項 32510.8 將微型維度添加到橋接表 32710.9 維護維度層次結構 328

10.9.1 從設計開始入手 32810.9.2 加載標准化數據 33010.9.3 維護真正的層次結構 33110.9.4 應對臟數據源 33110.9.5 讓它執行起來 33210.10 為層次結構提供幫助(Kimball經典) 33210.11 用於更好的員工維度建模的五個選項 33510.11.1 選項1：使用代理鍵的橋接表 33510.11.2 選項2：具有單獨匯報對象維度的橋接表 33610.11.3 選項3：具有自然鍵的橋接表 33710.11.4 選項4：強制實現固定深度層次結構的技術 33810.11.5 選項5：路徑字符串屬性 33910.11.6 推薦 33910.12

避免可替換的組織層次結構 34010.13 可替換的層次結構 34110.14 維度修飾 34210.15 對行為標記進行爭論 34310.16 捕獲顧客滿意度的三種方式 34510.16.1 標准的固定列表 34510.16.2 同步的維度屬性和事實 34610.16.3 不可預測的紊亂列表 34710.17 用於實時顧客分析的極端狀態追蹤 34810.18 全局化思考，本地化行動 35110.18.1 同步多個時區 35110.18.2 支持多國日歷 35210.18.3 以多種貨幣單位集中收益 35310.18.4 處理歐洲問題(來自1998年的觀點) 35410.19 沒有邊界的數據倉

庫 35410.20 讓數據倉庫在空間上可用 35810.20.1 調研GIS供應商 35910.20.2 進入訓練營 35910.20.3 自動地址標准化 36010.20.4 標准數據庫上的地理位置查詢 36110.20.5 恰好合適 36110.21 跨國維度化數據倉庫注意事項 36210.22 行業標准數據模型的不足之處 36310.23 一個保險行業數據倉庫的案例研究 36410.24 遍歷數據庫 36810.24.1 排查設計 36810.24.2 添加維度 36910.24.3 圖片和地圖 37010.25 人力資源維度模型(Kimball經典) 37110.26 維度化管理待辦

事項 37310.27 不要過於急切 37510.27.1 找出盈利能力的組成部分 37510.27.2 市場營銷和財務部門需要提供幫助 37610.27.3 成本分配：盈利能力的核心挑戰 37610.27.4 如果時間緊迫 37710.28 預算鏈 37710.28.1 預算鏈事實表的粒度 37910.28.2 預算鏈維度和事實 37910.28.3 跨預算鏈的應用程序 38010.29 啟用合規性的數據倉庫 38010.30 記錄顧客的點擊操作 38210.30.1 點擊流維度模型的目標 38210.30.2 點擊流數據源 38310.30.3 點擊流數據的基礎粒度 38410.30.4

識別點擊流維度和事實 38410.30.5 分析點擊流事件 38510.31 點擊流的特殊維度 38610.31.1 訪客維度 38610.31.2 頁面對象維度 38710.31.3 會話類型 38710.31.4 專注於頁面對象和會話維度 38810.32 用於文本文檔搜索的事實表 38910.32.1 相似性指標 38910.32.2 用於相似性測量的事實表 39010.32.3 強大的應用程序 39110.33 讓市場購物籃分析成為可能 391第11章 后台ETL和數據質量 39511.1 圍繞ETL需求(Kimball經典) 39511.1.1 業務需求 39611.1.2 合規性

39611.1.3 經過數據剖析的數據質量 39611.1.4 安全性 39711.1.5 數據集成以及360°畫像 39711.1.6 數據延遲 39711.1.7 存檔和派生關系 39811.1.8 BI用戶交付界面 39811.1.9 可用技能 39811.1.10 遺留許可 39911.2 ETL的34個子系統(Kimball經典) 39911.2.1 提取：將數據放入數據倉庫 39911.2.2 數據清洗和一致化 40011.2.3 交付：准備呈現 40011.2.4 管理ETL環境 40111.3 用於ETL架構的六個關鍵決策 40211.3.1 是否應該使用ETL工具 40211

.3.2 應該在何處以及如何進行數據集成 40311.3.3 應該選擇哪種變更數據捕獲機制 40311.3.4 何時應該暫存數據 40411.3.5 應該在何處糾正數據 40411.3.6 必須以多快的速度通過DW/BI系統使用源數據 40511.4 要避免的三種ETL妥協 40511.4.1 妥協1：忽視漸變維度需求 40611.4.2 妥協2：未能接受元數據策略 40611.4.3 妥協3：未交付有意義的范圍 40711.4.4 公開且誠實地做出妥協 40711.5 在提取時工作 40711.5.1 對跨多個時區的事件建模 40811.5.2 冗長的日歷維度 40811.5.3 保留跨多種

貨幣的定金 40811.5.4 產品管道測量 40811.5.5 損益的物理完整性 40911.5.6 異質性產品 40911.5.7 通用聚合 40911.5.8 通用維度建模 40911.6 數據暫存是關系型的嗎 41011.6.1 維度處理 41011.6.2 確定已經變更的內容 41111.6.3 從不同的源合並 41111.6.4 數據清洗 41111.6.5 處理名稱和地址 41211.6.6 驗證一對一和一對多關系 41211.6.7 事實處理 41211.6.8 聚合處理 41211.6.9 基線：數據暫存是關系型的嗎 41311.7 暫存區和ETL工具 41311.8 是否應

該使用ETL工具 41411.8.1 ETL工具的優勢 41411.8.2 ETL工具的劣勢 41511.8.3 構建一個堅實的基礎 41511.9 ETL工具提供商的行動要求 41611.10 文檔化ETL系統 41711.11 三思而行 41811.11.1 目標：高層次ETL規划 41811.11.2 輸入和數據流 41811.11.3 轉換注釋 41911.11.4 在開工之前完成規划 42011.12 為傳入數據做好准備 42111.12.1 典型的數據集成過程 42111.12.2 架構 42211.12.3 設置過程 42211.12.4 異常處理 42311.12.5 靠不住的

簡單性 42311.13 構建變更數據捕獲系統 42311.14 破壞性的ETL變更 42411.15 ETL的新方向 42611.15.1 極端的集成 42611.15.2 極端的多樣性 42611.15.3 巨大的量級 42611.15.4 實時交付 42611.15.5 分析師的崛起和數據見解的貨幣化 42711.15.6 新的分析工具 42711.15.7 列式數據存儲和內存數據庫 42711.15.8 瘋狂增長的數據虛擬化 42711.15.9 小結 42711.16 處理數據質量：不要只是坐着，要行動起來 42811.16.1 進行調查研究 42811.16.2 共享發現 4291

1.16.3 小結 42911.17 數據倉庫測試建議 42911.18 處理臟數據 43111.18.1 合格數據至關重要的應用程序 43111.18.2 數據清洗的科學 43311.18.3 數據清洗的市場機會 43411.18.4 數據完整性驅動業務再造 43511.19 用於數據質量的架構(Kimball經典) 43611.19.1 確立一種質量文化，再造過程 43711.19.2 數據剖析角色 43711.19.3 質量篩查 43811.19.4 錯誤事件模式 43811.19.5 響應質量事件 44011.19.6 審計維度 44011.19.7 六西格瑪數據質量 44111.20

質量指示器：審計維度 44211.20.1 從最小可能粒度入手 44311.20.2 報告聚合數據質量 44411.20.3 構建審計維度 44511.21 添加審計維度以追蹤派生關系和置信度 44511.22 為事實表增加不確定性 44711.23 是否已經構建審計維度 44811.24 數據是否正確 44911.24.1 評價沒有歷史的數據質量 45111.24.2 可預測變更的補充 45111.25 對於國際化數據質量的八項建議 45211.25.1 語言和字符集 45211.25.2 文化、姓名和稱呼 45211.25.3 地理位置和地址 45311.25.4 隱私和信息傳輸 453

11.25.5 國際化合規性 45311.25.6 貨幣 45311.25.7 時區、日歷和日期格式 45311.25.8 數字 45311.25.9 用於國際化數據質量的架構 45411.26 將正則表達式用於數據清洗 45411.26.1 求助於正則表達式 45511.26.2 基本運算符 45511.26.3 找出「Inc」 45611.26.4 最終結果 45611.26.5 可以在何處使用正則表達式 45711.27 對代理進行管道化處理 45711.27.1 用於維度表的鍵 45811.27.2 用於事實表的鍵 46011.28 疏通事實表代理鍵管道 46111.28.1 缺失源系

統鍵 46111.28.2 糟糕的源系統鍵 46211.28.3 業務需求含義 46311.29 正確復制維度 46311.30 使用循環冗余校驗和識別維度變更 46411.31 維護指向操作源的回指指針 46511.32 創建歷史維度行 46511.32.1 挖掘歷史 46611.32.2 探討選項和影響 46611.32.3 構建維度 46611.32.4 選擇每日或精確到分秒的粒度 46611.33 面對鍵重置危機 46811.34 沿時間回溯(Kimball經典) 46911.34.1 延遲到達的事實記錄 47011.34.2 延遲到達的維度記錄 47011.35 提前到達的事實 47

111.36 漸變實體 47211.37 將SQL MERGE語句用於漸變維度 47411.37.1 步驟1：重寫類型1變更 47411.37.2 步驟2：處理類型2變更 47411.38 創建和管理收縮維度 47611.38.1 創建基礎維度 47611.38.2 從基礎維度創建收縮維度 47611.38.3 替代方式：分別創建基礎維度和收縮維度 47711.38.4 將維度提供給用戶 47711.39 創建和管理微型維度 47711.39.1 創建初始微型維度 47711.39.2 持續的微型維度維護 47811.40 創建、使用和維護雜項維度 47911.40.1 構建初始雜項維度 47

911.40.2 將雜項維度納入事實行處理 48011.40.3 維護雜項維度 48011.41 構建橋接 48111.41.1 歷史加載 48111.41.2 創建分組的初始化列表 48111.41.3 創建橋接表 48211.41.4 增量處理 48311.42 盡量少做離線處理 48311.43 網絡時代的工作 48511.44 實時分區 48811.44.1 實時分區的要求 48811.44.2 事務粒度實時分區 48811.44.3 定期快照實時分區 48911.44.4 累計快照實時分區 48911.45 實時分類 490

給付訴訟中一貫性審查之要件事實──借鏡日本要件事實論

為了解決事實定義的問題，作者張庭嘉 這樣論述：

　　民事訴訟法（下稱民訴法）2021年修正第249條第2項，將原條文「原告之訴，依其所訴之事實，在法律上顯無理由者，法院得不經言詞辯論，逕以判決駁回之」改列為第2款，並將欠缺權利保護必要（訴之利益）與當事人適格獨立列為第1款，而於立法理由中明確指出，第2款之舊條文係指欠缺一貫性審查要件之情形，確立民訴法第249條第2項第2款為一貫性審查之實定法依據。最高法院近期亦首次就一貫性審查表示明確見解，即同院108年度台上字第2246號判決不僅要求本案審理程序應先行一貫性審查，且將一貫性審查作業更細緻區分，可謂具有指標性與創設性。於上述立法及裁判前提之下，一貫性審查之重要性不言而喻，勢必成為未來審判程

序中之重點，則具體如何踐行一貫性審查即為問題所在。本文欲以日本發展近70年之要件事實論作為借鏡，試圖以要件事實論之思維，說明我國之審判實務上如何具體踐行一貫性審查，亦即原告所應主張之事實為何，被告所應主張之事實為何，以及法院如何就當事人之事實主張為適當之闡明，據以達成充實必要審理與排除不必要審理之目的，保護當事人之實體利益與程序利益，同時促進公益之訴訟經濟。　　本文共計六章。第一章為緒論，說明本文研究動機，提出問題意識，指出所使用之研究方法，並且劃定研究範圍與介紹篇章架構。　　第二章係對日本要件事實論之考察。於第一節，先就日本要件事實論之基礎概念作介紹，說明理論中對於要件事實定義之爭議，要件事

實特定性、具體性之基準，以及要件事實最小限度原則。其次，於要件事實有基礎認識後，再介紹要件事實論定義之爭論，並釐清要件事實論與民法、民訴法之關係，且說明要件事實論所具備之機能。第二節則就要件事實論中具有特殊性之「規範性要件」另立一節說明。首先論及區別規範性要件與事實性要件之實益，再就某法律要件是否為規範性要件有爭議之情形為說明，以供我國討論時參考。其次說明規範性要件最主要之爭議係其要件事實為何，以評價本身作為要件事實，或以足以評價規範性要件成立之具體事實，亦即評價根據事實作為要件事實，存在不少歧異。釐清規範性要件之爭議後，將接續說明規範性要件之判斷構造與其他待解問題，以對規範性要件有更全面之認

識。　　第三章為實體與程序交接之處，亦即依要件事實論之思維，如何判斷當事人之主張是否具有理性（一貫性），以規律當事人之攻擊防禦方法。第一節主要說明日本現行就主張有理性如何為判斷與規律。首先，欲判斷當事人主張是否具備有理性，須先明確何等事實應由原告主張，何等事實又應由被告主張。在給付訴訟中，法定請求權之發生係基於法律規定，當事人間並無合意存在，則由原告就法律所規定之內容為主張自無爭議；惟於契約上請求權之情形，就權利發生根據即有所爭議，並且連帶影響契約上請求權之要件事實內涵。本文將日本對此等問題之爭議內容加以整理，釐清各學說間之異同。其次，釐清各當事人所應主張之要件事實，並得以判斷是否具備有理性後

，對於不具有理性之一造當事人主張，即應於訴訟早期排斥，此稱為主張本身失當法理。日本實務於當事人主張本身失當時，即不經證據調查而逕排斥主張，以避免無謂之審理。不過，主張本身失當法理在適用內容與射程上尚不明確，雖有論者歸納裁判予以類型化，但於學說與實務間並無統一之見解。因此，在第二節中，將以德國爭點整理技藝（Relationstechnik）中當事人主張之審查，反思主張有理性之判斷，並透過比較日本主張本身失當法理與德國當事人主張審查之不同，作為我國踐行一貫性審查之可靠借鏡。　　第四章於參考、借鏡日本要件事實論後，回歸我國之審判說明如何具體踐行一貫性審查。第一節先回顧我國一貫性審查之發展。民訴法第2

49條第2項修正前，審判實務就該條之運用，除用於欠缺訴之利益與當事人適格外，有很大部分係用於對職司審判或追訴公務員之損害賠償請求，僅有少部分係用於欠缺一貫性之情形，並且於判決理由亦未明確表示係因欠缺一貫性而駁回原告之訴。直至近期，最高法院始就一貫性審查作出指標性之判決，即同院108年度台上字第2246號判決。於學說文獻，對民訴法第249條第2項之適用，除用於欠缺訴之利益與當事人適格外，有論者認該條項係一貫性審查之實定法依據，與現今修法趨勢相同，並且亦提出除原告請求應行一貫性審查外，被告答辯亦應行重要性審查，以充實必要之審理與排除不必要之審理。第二節則借鏡、比較日本要件事實論之結果，試圖說明於我

國應如何具體以要件事實論之思維，踐行原告請求之一貫性審查與被告答辯之重要性審查。首先係關於要件事實論建構之問題。日本要件事實論所包含之內容與爭議，在我國並非可全部予以套用，須有所調整並且適應於我國法之規定，故就此為詳細探討與闡釋。其次，分別就原告請求之一貫性審查與被告答辯之重要性審查，說明要件事實論之思維如何於其中具體發揮作用，以及所應注意之審查事項。　　第五章則以具體事例，實際演練如何以要件事實論之思維，踐行一貫性審查。第一節係以給付買賣價金事件、給付承攬報酬事件與返還借款事件等三種事件為例，就契約上請求權如何進行原告請求之一貫性審查與被告答辯之重要性審查為說明。第二節則係以返還不當得利事件

、侵權行為損害賠償事件與拆屋還地事件等三種事件為例，就法定請求權如何進行原告請求之一貫性審查與被告答辯之重要性審查為說明。最後，第六章總結本文之研究成果。