数据仓库Kimball维度建模方案

发表于 2019-5-15 16:20:44

马上注册，结交更多数据大咖，获取更多知识干货，轻松玩转大数据

您需要登录才可以下载或查看，没有帐号？立即注册

x

本帖最后由 168主编于 2019-5-15 16:23 编辑

一、文章概述

在开始维度建模之前，数据小组需要理解业务需求，以及作为基础的源数据的情况。通过与业务方沟通需要，数据小组找到业务方想要的关键指标、支持数据分析的目标。维度模型不应该由那些不懂业务需求的人来设计，业务方与数据小组人员的协作才是成功的关键。

二、四步维度建模法

维度建模设计期间主要涉及到4个决策：

选择业务过程
声明粒度
确定维度
确定事实

按照业务过程、粒度、维度和事实声明的流程，数据小组需要确定表名和字段名、示例值和业务规则。

1、选择业务过程

业务过程实际上就是操作的过程，例如，刷新微博，转发微博，点赞微博，每个月的活跃微博用户数等。度量值可以从业务过程的事件中获取，并转化为事实表中的事实。过程的选择非常重要，这是因为过程的定义就确定了粒度、维度、事实的定义。每个业务过程对应着数据仓库总线矩阵中的一行。

业务过程通常用行为动词表示，因为它们通常代表业务执行的活动。与之相关联的维度描述与每个业务过程事件。
业务过程通常与某个业务操作相关，例如转发、评论微博。
获取关键性能指标度量。分析人员需要通过过滤器和约束的不同组合，来审计和评估这些度量。
业务过程通常由输入和产出输出组成。通常情况下，某个业务过程的输出是其他业务过程的输入。用建模的专业术语描述就是，产生一系列的业务过程事实表。

我们需要把注意力集中在业务过程，而不是功能化的部门，以获取统一一致性的信息。确保一致性的最好方法是一次发布数据。

2、声明粒度

粒度用来确定事实表中的一行表示什么。在确定维度和事实表之前必须声明粒度，因为每个维度和事实必须与定义的粒度保持一致。从给定的业务过程中提取数据时，原子粒度是最细的粒度。建议从关注最原始的粒度开始设计，这样我们就可以针对不同的事实表粒度，建立不同的物理表。切记同一个事实表中不能包含多种不同粒度。

典型的粒度声明如下：

用户刷新一次微博的行为采用一行表示。
用户每发布一次微博的行为采用一行表示。
每个明星每个月发布的微博情况采用一行表示。
每个业务产品页每个月的活跃用户采用一行表示。

维度建模者千万不要忽略声明粒度这一看起来并不起眼的一步。多年来，从对大量维度设计的经验来看，最常见的错误就是在设计之初没有为事实表声明粒度。

3、确定维度

维度表是数仓的灵魂。数据小组的主要工作都要放在数据管理和维度表的开发方面。维度围绕着某一个业务过程所涉及到的“谁、什么、何时、何处、为什么、如何”等背景展开。维度表中包含BI分析需要的各种过滤和分类的描述性属性。牢牢把握事实表粒度，就能将所有可能存在的维度区分开。

4、确定事实

事实涉及来自业务过程事件的度量，基本上是用数值表示。一个事实表行与事实表粒度描述的度量事件是一对一的关系。在事实表中，所有的事实只允许与生命的粒度保持一致。

综合考虑业务用户需求和数据源的实际情况，将4个步骤联系起来。

4.1、事实表分类

计算获得的事实

总利润额就是由销售总额减去成本总额，也称为收入。尽管是通过计算所得，但对所有维度来说，总利润额也是可加的。那么是否应该将计算获得的事实放在事实表中呢？我的建议是将他们放在事实表中。存储计算值就意味着其计算规则和ETL过程中保持一致，进而消除了用户计算错误的可能性。因此，存储总利润额也能确保所有用户与BI报表展示的利润额保持一致。然而，有些不可加的度量值，例如，百分比或比率，则必须由BI工具计算，因为此类计算不能预先计算并存储在事实表中。