谈笑间学会数据仓库－为什么要维度建模？

是不是有很多人在学习数据仓库——维度建模的时候会有这种疑问呢？

到底有何意义呢？

请看下面通俗易懂的描述
        凡是建设数据仓库，一定会提到维度建模方法。这一方法是Kimball最先提出的，其最简单的描述就是，按照事实表、维度表来构建数据仓库、数据集市。在维度建模方法体系中，维度是描述事实的角度，如日期、商品、地址等，事实是要度量的指标，如用户数、销售额等。按照一般书籍的介绍，维度建模还会分为星型模型、雪花模型等，各有优缺点，但很少直接回答一个问题，也就是数据仓库为什么要采用维度建模？

这个问题的基本判断在于，数据是否要开放给业务人员使用？采用维度建模构建出来的数据库结构表更加符合普通人的直觉、易于被普通人所理解，从而有利于数据的推广使用。下面以超市收银小票为例说明常规的三范式模型和维度模型。

三范式的数据模型示意如下：

维度模型示意如下：

 

以上两个模型的最小数据粒度都是小票项目，可以容易看出来，维度模型是将关系模型的层次结构展开平铺而成。从上面的这个范例可以引出采用维度建模方法的基本理由，就是：

数据结构简单。在决定是否要采用维度建模之前，必须回答一个问题，“数据模型是否要开放给业务人员直接使用”，如果答案肯定，则应该采用维度建模的方法。维度模