数据仓库工具箱-学习笔记5-维度建模技术概述

(Chapter2 Kimball 维度建模技术概述)

一、基本概念

• 开始维度建模前，**必须先熟悉业务！**了解实际的问题，和要解决的问题。例如：关键性指标、商业竞争问题、决策制定过程、支持分析需求等目标。和源数据专家交流，构建更高层次，容括率更大的数据体量的维度。
• 维度模型，必须给经验丰富和专家来负责，不应该由不懂业务的人来设计！否则后果不堪设想！

二、维度建模四个步骤

1. 选择业务过程
2. 声明粒度
3. 确认维度
4. 确认事实

设计组：确定表名、列名、示例阈值、业务规则
**业务数据管理代表：**参与详细的设计活动、确保涵盖完整业务

三、步骤一 - 业务过程
根据不同的业务过程，建立或获取性能的度量，并转换成事实表中可能存在的事实。限定关注某一业务过程，穿插业务过程会导致混乱，需要进行对粒度、维度、事实的定义。

三、步骤二 - 粒度
声明粒度是维度设计的重要步骤。粒度用于确定事实表中’行’。在维度建’维度步骤前’必须先声明粒度，作为先驱。维度和粒度必须保持一致，保证BI的易用性和性能。应更关注原子粒度的设计，拒绝混用粒度。

三、步骤三 - 描述环境的维度
业务过程会涉及到“谁、什么、何处、何时、为什么rainblow_mmsl、如何”，等组合成为维度表。维度可被用于过滤和分类事实，常被用作业务分析的入口和标识。数据管理和维度表，是数据开发的关键点

四、步骤四 - 用于度量的事实

从业务过程衍生产物，度量！通常以数值作为表示。一个事实中，粒度+度量=事件，形成一对一的关系。为最小可观察事件。但事务中，粒度必须一致，不可出现销售产品事实表中出现销售员工资的情况。

五、步骤五 - 星型模型和OLAP多维数据库
星型模型：部署在关系型数据管理系统(RDBMS)之上的多维结构，包含事实表，维度表，及两者关联关系的主键/外键
OLAP多维数据库：多维数据库之上的多维表结构，类似星型模型。维度表，事实表。优势在于支持使用XMLA、MDX等，通常为部署维度DW/BI系统的最后步骤

六、步骤六 - 方便的扩展到维度模型
1.事实与事实粒度一致时，可以只接创新列
2.建立新的外键列，关联已存在的事实表（维度列与事实表粒度一致）
3.可以在维度表只接添加新列属性
4.事实表更原子化，方法是在维度表上新增属性，并以更细的粒度重置事实表。