维度建模（dimensional modeling）是数据仓库建设中的一种非常重要的数据建模方法，是将数据进行结构化的逻辑设计方法。
维度建模由数据仓库领域的大师Ralph Kimball最先提出，他所参与著作的《数据仓库工具箱》是数据仓库工程领域最流行的数仓建模经典著作。
维度建模是从分析决策的需求为出发点，构建数据模型，构建的数据模型是服务于数据分析需求。维度建模在解决更快速完成数据分析需求的同时，还能提供较好的大规模复杂查询的响应性能需求。
因此，维度建模就是一种组织数据仓库的形式、模型，用这种方式组织搭建的数据仓库，对快速支持数据分析有着巨大的帮助，目前也是比较主流的数仓模型。
1
维度建模基础知识
首先介绍一些关于维度建模的基础知识，主要包括事实表、维度表、粒度等。
1、事实与事实表（Fact Table）
事实表是指其中保存了大量业务度量数据的表，是数仓最核心的表。
事实表中的度量值一般称为事实。通常，最有用的事实就是数字类型的事实和可加类型的事实。事实表的粒度，决定了数据仓库中数据的详细程度。
上图中产品销售明细表，就是一张事实表，其中的销售金额、成本、利润，都是事实，也是我们需要分析的目标数据。
一般事实表中只存放数字或一些flag用来统计，如：销售金额、成本等。另外，通常事实表中的数据不允许修改，新的数据只是简单地添加到事实表中。
事实表特点：数据量庞大、列数少、经常变化。事实表是一张业务表，业务肯定是不断有新的数据加进来。
2、维度与维度表（Dimension Table）
维度表是用户来分析数据的窗口，比如时间、地区、用户等。
维度表中包含事实表中记录的特性，有些特性提供描述性信息，有些特性指定如何汇总事实数据表数据，以便为分析者提供有用的信息。
在上图的产品销售事实表中，包括了五张维度表：时间维表、产品维表、地域维表、用户维表、支付维表。每一张维度表对应现实世界中的一个对象或概念。
每一张维度表利用维度关键字（图中加粗字段）通过事实表中的外键约束事实表的中某一行。
维度表特点：很多描述性的列，行数较少，内容较固定。比如地域，省市区县内容短时间内都不会有啥变化。
3、粒度
粒度是指数据仓库的数据单位中保存数据的细化程度的级别。简单来说，在实事表中一条记录所表达的业务细节，就是粒度。
通常，为了便捷的下钻分析，我们都会使用到最小粒度。比如订单表中，最小粒度就是一条订单的记录。
使用最小粒度的优点：
❖ 可以频繁的ETL操作
❖ 很多数据挖掘需要最小粒度数据
❖ 方便向下钻取
当然，使用最小粒度也有缺点：
❖ 存储和维护代价较高
❖ 需要进一步构建汇总事实表来支持汇总数据查询
2
维度建模的三种模型
上面介绍了关于维度建模的一些基础知识，下面聊一聊维度建模的几种具体模型：星型模型、雪花模型、星座模型。
1、星型结构
所谓星型模型，具体表现是：事实被维度所包围，且维度没有被新的表连接。
每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。可以看出，星型模型是比较单纯的模型，像星星一样触角没有延伸了。
2、雪花结构
所谓的雪花模型，是有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上，就像雪花一样。
雪花模型去除了数据冗余，更贴近业务，尽可能降低数据存储量以及联合较小的维表来改善查询性能。
3、星座结构
无论是星型模型还是雪花模型，都是单事实表的情况。但通常来讲，实践当中大部分情况都是多事实表的。这时就是需要星座模型了。
所谓星座模型，是多个事实表共享维度表，因而可以视为星型模型的集合，故亦称星座模型（星系模型）。
3
海睿思践行维度建模理论
中新赛克海睿思基于对维度建模理论的深入理解，结合自身在大数据行业的技术沉淀，设计开发的海睿思S-DW智能数仓产品以维度建模理论为指导，全流程可视化分层构建数据模型和指标体系。
海睿思S-DW智能数仓产品 构建数仓分为三个阶段：
1、数据准备阶段：
完成将业务系统中的数据接入原始层（STG，即数据缓冲层），以及对原始层数据进行清洗、标准化等数据预处理工作，形成标准层数据，供后续数仓构建使用。
2、数仓规划阶段：
完成数据域划分、业务过程定义、业务限定定义、指标体系构建、维度表、事实表构建等工作。
数仓规划阶段是S-DW智能数仓的核心阶段，在这个阶段，遵循维度建模理论的指导，完成事实表和维度表的设计与构建。
3、数据应用阶段：
完成汇总表、主题表、明细表的构建，支持在汇总表之上定义应用指标的业务处理逻辑。
海睿思S-DW智能数仓产品核心亮点：
❖ ERP数据智能接入&标准化
一键接入金蝶、用友、SAP等主流业务系统，并自动完成标准化转换，数据治理效率提高5倍以上。
❖ 可视化数据模型构建
以维度建模理论为指导，全流程可视化分层构建数据模型，包括事实表、维度表、汇总表等，构建企业经营管理主题库，同时全流程可视化构建完善的指标体系。
❖ 高效便捷的数据稽核
数仓地图通过思维导图形式逐层展示数仓数据资源，同时提供智能检索入口，搜你所想；数据血缘包括映数据溯源和指标血缘，全面展示数据流转全貌。
❖ 高质高效的数据运维
数仓大屏反映数据资产概貌，掌握全局数据资产情况；可视化审计日志、数据运维等能力实现数仓整体数据资源的全生命周期管理。
4
总结
维度建模是面向企业决策分析场景，针对该场景构建数仓模型，核心关注点在于快速、灵活地解决分析需求，同时能够提供大规模数据的快速响应性能。
海睿思S-DW智能数仓基于维度建模理论，擅长大数据场景下的处理操作和OLAP处理分析，紧紧围绕企业的业务模型构建数据模型，无需复杂的抽象处理，即可完成维度模型构建，且支持维度模型的扩展，不会对现有模型产生巨大影响，能够容纳更多不可预料的新增数据。
海睿思S-DW智能数仓产品使用简单、方便易上手，有效帮助企业从0到1快速构建符合自身需求的经营管理指标体系，为企业的运营活动提供全面的指标支撑！