数据仓库维度建模.pdfVIP

数据仓库维度建模 学习目的 在课程结束后应该知道： ■ 数据仓库维度建模分哪几个步骤？ ■ 每个步骤都有哪些原则，和哪些误区？ ・ 掌握维度建模方法？ ■ 维度表属性在维度模型中起到什么样的作用 ■ Kimball极力反对哪些建模方法？ 一个比喻 ______ ESENSOFT ♦ 比喻： ・ 如果将数据仓库建设看作是一个高楼大厦建造过程的 话 ・ 数据仓库维度建模就是大厦的框架建设工作 ■ 数据仓库ETL过程，就是为大厦添砖加瓦的过程 ■ 优秀数据访问工具则是大厦整体装修的最佳工具 ♦:♦框架的重 性 ■ 地基打多深决定大厦能做多高。 ■ 钢筋混凝土结构还是刚结构决定了大厦的稳定性 ・ 维度建模是数据仓库框架建设的重 技术 维度建模四步曲 ESENSOFT ♦:♦四步维度建模步骤： ・ 1 .选取 建模的业务流程 ■ 2.定义业务流程中的数据粒度 ・ 3.选定用于每个事实表行的维度 ■ 4.确定用于形成每个事实表行的数字型事实 四步曲一 1.选取业务流程 ESENSOFT ♦:♦误区： ■ 不针对业务流程而针对业务部门进行维度建模 ■ 将注意力放在业务部门身上，而不关注业务流程 ■ 为某个部门建立单独的维度模型 ♦:♦原则： ・ 针对业务流程进行维度建模 ・ 确保某个业务流程中的核心数据只被抽取一次 ■ 保证数据仓库中业务数据一致性 四步曲一2 .定义粒度(1) ♦ :♦粒度的解释： ・粒度传递了同事实表度量值相联系的细节所达到的程 度方面的信息。 ■简单的说，反映了事实表的明细程度 ♦:♦粒度举例： ■ 超市小票上的购物清单 ■ 医生的处方药品清单 ■ 仓库每种产品库存值的月快照 ♦:♦误区： ■数据仓库团队经常绕过这个看似不必要的步骤 ・一个不合适的粒度定义将会使维度建模感觉无从下手 四步曲一2 .定义粒度(2) ♦ :♦原则： ■ 优先考虑具有原子粒度的业务信息，这些数据不能再 做进一步的细分 ■ 数据仓库中存储汇总的、概 性的数据主 是基于数 据库性能上的考虑 ・ 汇总数据不能成为最底层细节数据的替代品 四步曲一3.选定维度 ESENSOFT ♦ :♦误区： ■没有定义粒度就开始选定维度 ♦:♦原则： ■在粒度确认后，选取能从各个角度，充分描述问题的 维度 为每个维度添加丰富的维度属性 ♦示例： ■常见维度包括日期、产品、顾客、事务类型和状态 四步曲一4 .确定事实 ♦:♦误区： ■没有第2步的粒度确认，就开始确定事实 ■将含有不同粒度的事实放在了同一个事实表中 ♦:♦原则： ■ 确定用于形成每个事实表行的数字可加型事实 ■ 在需求调研时我们可以通过提出“您需 对哪些指标 进行统计？ ”这样的问题来确定事实。 ■ 具有不同粒度的事实必须放在不同的事实表中 ■ 事实一般在各维度上都有良好的可加性 四步曲一总结 ♦ :♦维度建