流行模式——星型模式、雪花模式
维度数据建模是数据仓库设计中使用的数据建模技术之一。
Goal: Improve the data retrieval.维度建模的概念是由 Ralph Kimball 开发的，它由事实和维度表组成。由于此建模的主要目标是改进数据检索，因此它针对SELECT OPERATION进行了优化。使用此模型的优点是我们可以以这样的方式存储数据，即一旦存储在数据仓库中的数据就更容易存储和检索。维度模型是许多 OLAP 系统使用的数据模型。
图 –维度模型的步骤
创建维度数据建模的步骤：
- 步骤 1：确定业务目标 –
第一步是确定业务目标。根据组织的需要，销售、人力资源、营销等是一些例子。由于它是数据建模最重要的步骤，因此业务目标的选择还取决于该过程可用数据的质量。 - 第 2 步：识别粒度 –
粒度是存储在表中的最低级别的信息。 Grain 描述了业务问题及其解决方案的详细程度。 - 第 3 步：识别维度及其属性 –
维度是对象或事物。维度以支持对业务问题的有意义的答案的方式对数据仓库事实和度量进行分类和描述。数据仓库将描述性属性组织为维度表中的列。例如，数据维度可能包含年、月和工作日等数据。 - 第 4 步：确定事实 –
可测量的数据由事实表保存。大多数事实表行都是数值，如价格或单位成本等。 - 第 5 步：构建架构 –
我们在这一步中实现了维度模型。模式是一种数据库结构。有两种流行的方案：Star Schema 和 Snowflake Schema。