关于维度建模

Ralph Kimball在《The Data Warehouse Toolkit》一书中，将维度建模的过程归纳为四个步骤：

• 确定业务流程(Select the business process to model)
• 确定分析粒度(Declare the grain of the business process)
• 确定维度(Choose the dimensions that apply to each fact table row)
• 确定度量(Identify the numeric facts that will populate each fact table row)

一.确定业务流程

这里的流程指的是，公司中的一个具体的商业活动，并且其数据已经通过某种系统收集到源系统中，典型的比如：采购系统，订单系统，出货系统，库存系统等等，这些业务系统已经运行在企业的OLTP数据库上。数据仓库就是在这些OLTP的源数据的基础上来构建。建模应当一步一步来，一个流程一个流程的清理，通过倾听客户的需求，可以确定各个流程建模的优先级。

要注意的是，这里的流程是业务流程，而不是部门流程。不能说这个A部门有个采购系统，B部门也有个采购系统，然后就针对A部门和B部门分别建模。而应该针对采购流程来建模，各部门的采购系统的数据通过ETL汇入到数据仓库的采购模型当中。

二.确定粒度

在选择了某个具体的业务流程后，第二步要做的就是确定粒度。所谓粒度，就是指事实表中存储的数据的汇总程度，比如一个销售系统，事实表中如果存储的是具体的每一笔销售记录，则说它的粒度比较小，如果存储的是每种商品的日销售总额的记录，则粒度相对较大。粒度的选择，决定了数据仓库的规模，也影响着分析查询的计算量。

在数据仓库构建中，可以分两层，一层叫做ODS(Operational Data Storage)，存储粒度较小的细节数据，数据仓库则在ODS的基础上，存储粒度较大的汇总数据。

三.确定维度

维度就是分析的角度。比如一个销售系统，从时间的角度，分析一个月那一天的销售量最好？一年中哪一个月的销售量最好？这样就有一个时间维度。从商品的角度，哪一种商品的利润最大？哪一种商品的销量最大？这样就有一个商品的维度。

四.确定度量

度量就是事实表中记录的数字。比如销售系统，事实表按每天的粒度设计，一条数据就代表某种商品一天的销售量，这个销售量就是度量，另外还有商品单价，一天销售总价，等等。度量是分析的基础，简单点讲，数据仓库的一个目的，就是通过不同的维度，对度量进行不同的聚合，得到各种报表。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/193161/viewspace-50226/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/193161/viewspace-50226/