维度建模之行为维度

最新推荐文章于 2024-05-05 09:44:30 发布
最新推荐文章于 2024-05-05 09:44:30 发布
阅读量1k 收藏 1
点赞数
分类专栏： 阿里巴巴大数据实践之路
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a8874846/article/details/114494938
版权

和事实相关的维度，如交易、物流等维度，城市为行为维度，或事实衍生的维度

按照加工方式，行为维度可划分为：

  • 过去行为，如买家最近一次访问淘宝时间，最后一次交易时间。
  • 快照事实行为维度，如买家至今的交易金额，信用分值
  • 分组事实行为维度，就是将上面的数值型数据转换为枚举型，例如将信用分转为信用等级

对于行为维度，可以将维度冗余至现有的维度表中，比如将买家信用等级冗余至买家维度表

需要注意的是，要避免过度增长，避免耦合，维护性差

BigDataCoder
关注
专栏目录
数仓建模—建模方法论之维度建模
12-08 4万+
上述的这些方法都有自己的优点和局限性，在创建自己的数据仓库模型的时候，可以参考使用上述的三种数据仓库得建模方法，在各个不同阶段采用不同的方法，从而能够保证整个数据仓库建模的质量。方法论仅仅停留在理论层面上，落地实现的才真正决定了数仓设计的好坏，当然再好的方法，只有在合适的阶段使用，才有意义，才能发挥它最大的价值Inmon 方法的强调的是“数据集市”， Kimball 提倡的“集中式的数据仓库”。数据集市是将数据分为各类主题，对应到各个业务部门，以提供信息查询、报表生成。
数仓实践：浅谈 Kimball 维度建模
云祁QI
05-21 1727
我们不管是基于 Hadoop 的数据仓库（如 Hive ），还是基于传统 MPP 架构的数据仓库（如 Teradata ），抑或是基于传统 Oracle 、MySQL 、SQL Server 关系型数据库的数据仓库，其实都面临如下问题：怎么组织数据仓库中的数据？怎么组织才能使得数据的使用最为方便和便捷？怎么组织才能使得数据仓库具有良好的可扩展性和可维护性？Kimball ...
用户画像数据指标体系之用户行为维度
yang_shibiao的博客
01-23 1630
赵宏田 老师的 用户画像·方法论与工程化解决方案 一书读后笔记 主要记录的是该书中 用户画像之数据指标体系 一章
大数据开发实战：维度建模1-相关概念
weixin_34148508的博客
08-17 852
　　1、维度建模相关概念 　　　　1.1、度量和环境 　　　　　　维度建模支持对因为过程的支持，这是通过对业务过程度量进行建模来实现的。 　　　　　　那么，什么是度量呢？实际上，通过和业务方、需求方交谈、或者阅读报表、图表等，可以很容易地识别度量。 　　　　　　考虑如下因为需求： 　　　　　　a、店铺上个月的销售额如何？ 　　　　　　b、店铺库存趋势如何？ 　　　　　　c、店铺的访问...
维度建模的10大基本原则
zpwmail的专栏
09-22 1337
遵循这些原则进行维度建模可以保证数据粒度合理，模型灵活，能够适应未来的信息资源，违反这些原则你将会把用户弄糊涂，并且会遇到数据仓库障碍。 原则一: 载入详细的原子数据到维度结构中 维度建模应该使用最基础的原子数据进行填充，以支持不可预知的来自用户查询的过滤和分组请求，用户通常不希望每次只看到一个单一的记录，但是你无法预测用户想要掩盖哪些数据，想要显示哪些数据，如果只有汇总数据，那么你已
数据仓库建设—维度建模
weixin_30867015的博客
05-30 165
　　维度建模是DW/BI系统的核心，他是ETL系统的目标、数据库的结构、支持用户查询和制作报表的模型。建模要实现3个主要设计目标，分别是：能尽可能简洁的向用户展示需要的信息；能尽快返回查询结果给用户；能提供相关信息，以便精确的跟踪潜在的业务过程。 　　维度建模能使任何事情尽可能简单，但绝不是简化。在数据仓库和商业智能中，维度模型是给用户显示信息的首选结构，其比典型的原系统规范化模型更便于用户理 ...
深度用户行为 多维度深入分析笔记
weixin_30477293的博客
12-01 620
http://www.admin5.com/article/20080616/89128.shtml　目前所有对用户行为的分析莫过于这种几种模式:用户注册信息,定制列表,操作记录,用户历史轨迹跟踪等。但是这些都只是用户行为分析中的冰山一角，在实际分析过程中，维度(www.vdoing.com)将诸多信息进行权重排序，提炼核心信息来构建一个3维的统计分析体系。　　　　对于一个新站点来说，进行用户...
数据仓库维度建模实践-体系搭建-网易01.pdf
10-30
数据仓库维度建模实践-体系搭建-网易01.pdf 本文档介绍了数据仓库维度建模实践的基本概念和体系搭建方法，从数据仓库的定义到维度建模的应用，涵盖了数仓建设体系的总体架构、数据模型层次、业务过程和维度的梳理、...
2024年大数据最全数仓实践：浅谈 Kimball 维度建模_kimball维度建模，大数据开发开发框架
最新发布
2401_84170337的博客
05-05 1110
比如小票子项的销售数量、销售金额等，可加性对于数据分析来说至关重要，因为数据应用一般不仅检索事实表的单行数据，而往往一次性检索数百、数千乃至百万行的事实，并且处理这么多行的最有用的和最常见的事就是将它们加起来，而且是从各个角度和维度加起来。星形架构中，每个维度都是均等的，所有维度表都是进入事实表的对等入口，用户可以从任一维度、任一维度属性或者任意多个维度组合、任意多个维度属性组合，方便地对数据进行过滤和聚合（汇总、均值、最大、最小等）操作，而且非常符合业务分析直觉。的细节，因为这样会带来最大的灵活性。
Kimball维度建模基本理论
resin_404的博客
08-15 7439
维度建模基础理论，以及优越之处和应用场景。阐明了何为事实和维，并且解释了相关细分类别和应用场景。
维度设计
统计小白er & paul_work
11-12 600
1.维度设计基础 维度是维度建模的基础和灵魂。 在维度建模中，将度量称为”事实“，将环境描述为”维度“，维度是用于分析事实所需要的多样环境。 维度所包含的表示维度的列，称为维度属性。 维度属性是查询约束条件、分组和报表标签生成的基本来源，是数据易用性的关键。 维度的作用一般是查询约束、分类汇总以及排序等。 获取维度或维度属性的方式：一是在报表中获取；二是可以在和业务人员的交谈中发现维度或维度属性。 维度使用主键标识其唯一性，主键也是确保与之相连的任何事实表之间存在引用完整性的基础。 主键的分类：代理键和自然
数据仓库主题七-（维度变化和特殊维度问题）
weixin_40809627的博客
09-09 2638
一、维度设计之维度变化 1、数据仓库的重要特点之一是反映历史变化，，维度的属性并不是静态的，它会随着时间的流逝发生缓慢的变化与数据增长较为快速的事实表相比，维度变化相对缓慢。在一些情况下，我们需要保留历史数进行分析。所以我们需要对缓慢变化的维度进行设计和处理。在 Kimball 的理论中，种处理缓慢变化维的方式，下面通过简单的实例进行说明，具体细节请翻阅 Kimball 的相关书籍。 todo 待更新 二、维度设计值特殊维度 ...
维度建模
子清的博客
05-16 2856
1 维度建模关键概念 1.1 度量和环境 1.2 事实和维度 在维度建模中，度量称为事实，上下文和环境称为维度。 1.3 事实表 事实常以数值形式出现，而且一般都被大量文本形式的上下文包围着。这些文本形式的上下文描述了事实的“5个w”（when、where、what、who、why）信息 事实表的一行对应一个度量事件。 维度建模认为事实表应该包含最底层、最原子性的细节，因为这样会带来最大的灵活性。 事实表中最常用的度量一般是数值型和可加类型。但事实表的度量并非都是可加的，有些是半可加性质的，另一些则是非可
【漫谈数据仓库2】维度建模
格物致知
10-29 1877
0x00 前言 前一篇已经对常用的几种数据模型做了简单的介绍，本篇主要对其中最常用的维度建模做一个深入的理解。 0x01 什么是维度建模 维度模型是数据仓库领域另一位大师 Ralph Kimball 所倡导，他的《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling，中文名《数据仓库工具箱》，是数据仓库工程领域最流行的...
维度建模的十大原则
weixin_30583563的博客
05-29 255
遵循这些原则进行维度建模可以保证数据粒度合理，模型灵活，能够适应未来的信息资源，违反这些原则你将会把用户弄糊涂，并且会遇到数据仓库障碍。 　　原则1、载入详细的原子数据到维度结构中 　　维度建模应该使用最基础的原子数据进行填充，以支持不可预知的来自用户查询的过滤和分组请求，用户通常不希望每次只看到一个单一的记录，但是你无法预测用户想要掩盖哪些数据，想要显示哪些数据，如果只有汇总数据，那么你已经...
维度建模步骤
Murphyt的专栏
05-15 7351
数据模型是指用实体、属性、实体之间的关系对业务概念和逻辑规则进行统一的定义，命名和编码，主要描述企业的信息需求和业务规则，是业务人员和开发人员沟通的语言，是数据仓库架构设计工作开始的第一步。正确的数据模型是用户需求的集中体现，是商业智能项目成功与否最重要的因素之一。数据模型可以分为概念模型、逻辑模型、物理模型，本节进行详细的介绍。     3.6.1  概念模型     从定义上来说，
数据仓库维度设计
lquarius的博客
09-14 321
维度设计： 维度是维度建模的基础与灵魂，度量成为事实 环境描述为维度 维度的作用一般是查询约束、分类汇总以排序等 如何获取？业务交谈中，按照sqlby中 代理键 无业务含义 自然键 有业务含义 设计方法： 1、维度唯一性，相同含义有且只允许有一个维度定义 2、确定主维度 3、确定相关维度 4、确定维度属性：1、从主维度中生成或新建维度 2、从相关维度表中生成或新建维度 特殊维度： 行为维度：时间维度、快照维度、分组行为维度、复杂维度 多值维度：数据发散、维表中多...
数据仓库系列之维度建模
weixin_30552635的博客
08-11 1219
上一篇文章我已经简单介绍了数据分析中为啥要建立数据仓库，从本周开始我们开始一起学习数据仓库。学习数据仓库，你一定会了解到两个人：数据仓库之父比尔·恩门（Bill Inmon）和数据仓库权威专家Ralph Kimball。Inmon和Kimball两种DW架构支撑了数据仓库以及商业智能近二十年的发展，其中Inmon主张自上而下的架构，不同的OLTP数据集中到面向主题、集成的、不...
维度建模的基本理论
Cincinnati_De的博客
11-12 3056
维度建模 围绕三个问题来展开 1、怎么组织数据仓库中的数据？ 2、怎么组织才能使得数据的使用最为方便和便捷？ 3、怎么组织才能使得数据仓库具有良好的可扩展性和可维护性？ 维度建模两大派系 Bill Inmon(数据仓库之父) 的企业信息化工厂模式和 Ralph Kimball (商业智能之父)的维度建模模式 Ralph kimball维度建模 基本理论 一般过程 维度表审计 事实表设计 维度建模关键概念 1、度量和环境(产...
维度建模适用于什么场景
05-17
维度建模是一种面向主题的数据建模方法，适用于复杂的业务场景。以下是维度建模适用的一些场景： 1. 业务分析和报告：维度建模可以帮助企业根据不同的业务指标进行分析和报告，以便更好地了解业务运营情况。 2. 数据仓库设计：维度建模可以帮助企业设计数据仓库模型，以便更好地存储和管理大量的业务数据。 3. 数据挖掘和预测：维度建模可以帮助企业进行数据挖掘和预测，以便更好地预测未来的业务趋势和行为。 4. 业务智能和决策支持：维度建模可以帮助企业实现业务智能和决策支持，以便更好地制定战略和决策。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值