Kimball维度建模四步骤

一、前言

　　四步过程维度建模由Kimball提出，可以做为业务梳理、数据梳理后进行多维数据模型设计的指导流程，但是不能作为数据仓库系统建设的指导流程。本文就相关流程及核心问题进行解读。

二、数据仓库建设流程

以下流程是根据业务系统、组织结构、团队结构现状设定的数据仓库系统建设流程，适合系统结构复杂，团队协作复杂，人员结构复杂的情况，并且数据仓库建设团队和业务系统建设团队不同的情况。具体流程如下图所示：

图1 数据仓库系统建设流程

三、四步维度建模

Kimball四步建模流程适合上述数据仓库系统建设流程中模型设计环节，重点解决数据粒度、维度设计和事实表设计问题。四步建模流程如下图所示：

三、流程解读

　　3.1 如何确定粒度

　　　　最细粒度和聚合粒度之争？留给大家来辩驳吧，大家可以在评论中发表各自的观点。

　　3.1 如何标识维度

　　　　标识维度解决的是业务人员如何描述来自业务过程的数据，维度用来表示“谁、什么、何时、何处、为何、如何”的问题。以竞价广告检索流程而言就是客户通过什么渠道、什么样的客户端（OS、IP）、检索了什么样的内容、请求最终有谁受理等。

　　3.2 如何标识事实

　　　　标识事实其实是在确定业务过程的度量指标，指标何来？哪些指标必须保留，那些指标必须删除，待定指标如何处理？必须综合考虑业务用户需求和现实数据的实际情况。事实表的设计完全依赖于物理活动，不受可能产生的最终报表的影响，报表只是事实表设计的参考视角。

四、未完待续

　　数据仓库专题作为项目笔记，持续更新中，敬请关注。

作者：张子良
出处：http://www.cnblogs.com/hadoopdev