CDA Level 1 数据分析师：5 多维数据模型

多维数据模型

1. 多维数据分析模型概述

1. 以字段或记录作为数据的引用、操作、计算的基本单位的数据
2. 维度和度量：维度一般文本型（时间、用户、支付状态），度量一般数值型（单价、数量）
3. 透视透视：需要三个元素：维度，度量，汇总计算规则
4. 连接零散数据和人类认知的方法：1. 数据透视  2. 零散数据深入规则的发掘（2.3级涉及）
5. 维度表：只包含维度信息；事实表：既有维度又有数值
6. 主键：一个表有且只有一个主键，可单字段或多字段联合主键，一般命名ID，不存在空值和重复值，所有数据都用来修饰和扩充主键
7. 连接信息孤岛的方法：OLAP，链接了不同DW和多维数据集
8. 多维数据模型：多维数据集，立方体CUBE。定义：可以从多角度用数据全面映射某种业务实际情况。是多维的数据环境，如需要找到销售业绩下降的原因，不仅要看销售，还要看市场，质量，生产等，因此需要全面汇总。
9. 宽表：所有需要的数据都汇总在一个表。一般是无法满足的，因为主键的原因，不能描述主键信息的不能在宽表中，所以会有一些一些信息无法囊括。这就是为什么需要OLAP，因为主键极限。

2. 创建多维数据模型的方法

1. 相临两表连接汇总：通过公共字段连接两表，选择不同表字段分别作为维度，度量，汇总规则
2. 影响连接汇总三要素：
    1. 筛选器方向  
        1. 维度筛选度量，筛选器方向决定维度和度量的出处，维度指向度量
        2. 1对多时：1是维度，多是度量
        3. OLAP连接时，出度量字段的作为主表
    2. 对应关系：一对一，一对多，多对多
        1. 一对一：主键与主键。必须有相同的主键，实际场景几乎不会出现。有的时候暂时没有出错，但是可能会出错。
        2. 一对多：主键与非主键。常见的都是一对多，单向筛选方向，一表筛选多表。
        3. 多对多：非主键与非主键。一般不能用，避免使用。
    3. 两种汇总方式：
        类型1：合并维度，汇总度量，维度筛选度量
        类型2：合并维度，汇总维度下不同公共字段对应的度量，维度选取公共字段，公共字段筛选度量（一般不使用类型2）
     4. 三种模式：
         1. 星型模式：一个事实表和多个维度表相连
         2. 雪花模式：维度表和维度表相连
         3. 星座模式：多个事实表公共字段相连

3. 5W2H思维模型

1. WHEN  ,WHO ,WAHT ,WHY ,WHERE ,HOW MUCH ,HOW TO DO

4. 基本透视规则

1. SUM, COUNT, DISTINCTCOUNT, AVERAGE(平均值陷阱，主键均值), MAX, MIN
2. 平均值陷阱：Average求得的总平均值是主键的总平均值
：总所有数据除以主键的个数（总行数）
3. 维度嵌套：一个维度下再分一个维度，但不要在结果中显示过多的维度信息，可以使用切片器的方法（筛选器，只显示选择的条件）
4. 筛选维度和汇总维度：一个结果包含这两个维度

5. 透视规则的扩展

1. 对比计算规则：
    1. 均比：实际值与平均值的对比、同类型产品销售情况（了解大小，且需要了解大小的好坏程度）
    2. 基准比：实际值与基准值对比、成绩水平
    3. 目标比：实际值他目标值之间的对比、销售业绩绩效
    4. 标准比：实际值与标准值之间对比、工厂工作水平绩效（邻居家小孩，与车间其他人的对比）考虑到工作难易程度
    5. 占比：部分与总体的对比、不同区域销售额占比
2. 时间下汇总：
    1. MTD：月初
    2. QTD：季度初
    3. YTD：年初
    4. 环比：当期值与上期值对比（跨月：2021.2与2021.1对比）
    5. 同比：当期值与同期值对比（跨年：2021.2无2020.2对比）
3. 对比汇总公式：
    1. 对比百分比公式：实际值/对比值 *100％
    2. 差值百分比公式：（实际值-对比值）/对比值*100％
4. 行间透视：针对每行值分别求得整体汇总值、类似于开窗函数

6. 多维透视分析应用

经销商进销存情况分析
    1. 需要5W1H确定数据
    2. 进销存的分别事实表，产品表，订单表