首页手记数据仓库，零售业务举例，维度模型设计4步骤，读书笔记（七）

数据仓库，零售业务举例，维度模型设计4步骤，读书笔记（七）

标签：

大数据

主要讨论的概念如下

1. 维度模型设计的4步过程
2. 事实表粒度
3. 事务类型事实表
4. 可加、不可加以及抽取的事实

维度属性，包括指标、数字话描述以及多层次
日历日期维度，加上当天时间维度
因果维度，例如：促销维度
退化维度，例如：交易数据号码
维度模型中的空值
维度模型的可扩展性
无事实的事实表
代理键，自然间，持久键
基于雪花模式的维度属性
包含太多维度的蜈蚣事实表

维度模型设计的4步过程

第一步：选择业务过程
通过业务对业务需求以及可用数据源的综合考虑，了解需求，分析需求背后的业务过程，决定对那个业务过程开展建模工作。
关注最为关键、最易实现的用户业务业务过程。最易涉及一系列的考虑，包括数据可用性与质量，以及组织的准备工作等。

第二步：声明粒度
以最低的原子粒度处理数据。原子粒度具有强大的多维性。可以适应商业用户比较随意的查询请求
尽可能最细粒度来处理数据，不是因为需要查询单独的某行，而是因为查询需要非常精确的方式对细节切分

第三步：确定维度
详细的粒度说明了确定了事实表的主要维度。然后可以将更多维度增加到事实表上，只要这些额外的维度自然承担主维度合并的某个值。如果附加的维度会产生与粒度不符的其他事实行，则取消该维度或者重新考虑粒度声明

第四步：确定事实
1，可加事实。我们可以尝试将这类事实物理存储。存储就意味可以能和ETL过程保持一致性。
2，不可加事实。例如利润率，他不能从任何维度被汇总。单价是另外一种不可加事实。

零售模式中的可度量事实

3，事务事实表。表示事务型业务过程具有以下特征：
原子事务事实表的粒度可在事务环境下被简洁地描述，例如，每个事务一行或者每个事务线一行。
此类事实表记录的是一个事务过程，通常比较稀疏，但是又可能回很庞大，数亿行，甚至更多
事务事实表趋向多维化
事务事件返回的度量通常是可加的，只要它们通过数量来扩展，而不是获取单位来度量。

小结：