数据仓库工具箱The Data Warehouse Toolkit 阅读笔记 （三：零售业务）

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、维度模型构建的4个步骤

强烈抵制仅仅考虑数据来源来建模数据。讲注意力放在数据上可能不会像雨商业用户交流那样复杂，但数据不能代替业务用户输入。

1. 选择业务过程

通常用于表示某个业务执行的活动，也需要某个操作型系统作为支撑。
如果把注意力放在业务过程，而不是放在功能化的部门上，可以更方便的获得一致的企业信息。

2. 声明粒度

每一行表示的是什么。一定要注意得声明粒度，后面的设计也全部依赖第二步的声明。
很多时候我们会要求最细粒度的原子数据。因为用户可以方便的通过细节数据获得汇总数据，但不能从汇总数据得到细节数据。用户的很多查询需要以非常精确的方式对细节进行切分。s

3. 确定维度

常见的维度实例包括日期、产品、客户 、雇员、设备等，应该列出所有具体的、文本类型的输赢以充实每个维度表。

4. 确定事实

设计中所有候选事实必须符合第二步的粒度定义，明显属于不同粒度 的事实必须放在不同的事实表中。