维度建模

1.  因果维度：如果某个维度的变化会导致事实表变化，则称其为因果维度。事实上，每个维度（比如时间维度）的变化都会造成事实表（比如销售量）的变化，因果维度的特殊性在于这种变化是主动的，用来描述决策者行为对事实表的变化，而时间等维度更多的是自然性的变化。
   

因果维度的对立面是偶然维度，可能指的是相关而非因果的信息。
促销维度是一种典型的因果维度，其中包括降价，活动等等
2. 总线结构：这是对于公司不同部分在数据仓库建设方面的关联方法，增量的构建数据仓库。既然不同业务部门都要建立数据仓库，作者提出按业务而不是按部门建立数据仓库，因此总线流水式符合业务的运行流程，可以更好的与业务结合，毕竟数据仓库的目标是服务业务的
3. 值链：描述机构主体活动的自然逻辑流程。主要目标是将业务中先分解为几个部分，不同部分可能分别由操作型源系统构成。
操作型源系统即OLTP，和数据仓库的区别是normalized，normalized和denormalized问题如同CPU密集和IO密集型应用一样，是数据仓库和数据库最最根本的分别。（雪花型和星型反映的也是数据仓库的规范化程序，即应用中的半规范化概念）。
4. 半加性事实：在某些维度下可加，在另外一些维度下不可加的事实。比如银行存款，在日期维度上，一周后的存款不等于每天结算时的存款总额，而在银行网点维度上，一个城市的总存款等于各个分行的存款总额。
5. 混合事实表：某些应用中，事实表的事实可能存在内在关联，那么是把它们分裂作为不同的事实表，还是混合作为一个整体的事实表需要考量