一、前言
特別宣告：本文整理自網際網路。
遵循這些原則進行維度建模可以保證資料粒度合理，模型靈活，能夠適應未來的資訊資源，違反這些原則你將會把使用者弄糊塗，並且會遇到資料倉儲障礙。
二、正文
原則1、載入詳細的原子資料到維度結構中
維度建模應該使用最基礎的原子資料進行填充，以支援不可預知的來自使用者查詢的過濾和分組請求，使用者通常不希望每次只看到乙個單一的記錄，但是你無法** 使用者想要掩蓋哪些資料，想要顯示哪些資料，如果只有彙總資料，那麼你已經設定了資料的使用模式，當使用者想要深入挖掘資料時他們就會遇到障礙。當然，原子數 據也可以通過概要維度建模進行補充，但企業使用者無法只在彙總資料上工作，他們需要原始資料回答不斷變化的問題。
原則2、圍繞業務流程構建維度模型
業務流程是組織執行的活動，它們代表可測量的事件，如下乙個訂單或做一次結算，業務流程通常會捕獲或生成唯一的與某個事件相關的效能指標，這些資料轉換 成事實後，每個業務流程都用乙個原子事實表表示，除了單個流程事實表外，有時會從多個流程事實表合併成乙個事實表，而且合併事實表是對單一流程事實表的一 個很好的補充，並不能代替它們。
原則3、確保每個事實表都有乙個與之關聯的日期維度表
原則2中描述的可測量事件總有乙個日期戳資訊，每個事實表至少都有乙個外來鍵，關聯到乙個日期維度表，它的粒度就是一天，使用日曆屬性和非標準的關於測量事件日期的特性，如財務月和公司假日指示符，有時乙個事實表中有多個日期外來鍵。
原則4、確保每個事實表中的事實具有相同的粒度或同級的詳細程度
在組織事實表時粒度上有三個基本原則：事務，週期快照或累加快照。無論粒度型別如何，事實表中的度量單位都必須達到相同水平的詳細程度，如果事實表中的事實表現的粒度不一樣，企業使用者會被搞暈，bi應用程式會很脆弱，或者返回的結果根本就不對。
原則5、解決事實表中的多對多關係
由於事實表儲存的 是業務流程事件的結果，因此在它們的外來鍵之間存在多對多(m:m)的關係，如多個倉庫中的多個產品在多天銷售，這些外來鍵字段不能為空，有時乙個維度可以為 單個測量事件賦予多個值，如乙個保健對應多個診斷，或多個客戶有乙個銀行賬號，在這些情況下，它的不合理直接解決了事實表中多值維度，這可能違反了測量事 件的天然粒度，因此我們使用多對多，雙鍵橋接表連線事實表。
原則6、解決維度表中多對一的關係
屬性之間分層的、多對一(m：1)的關係通常未規範化，或者被收縮到扁平型維度表中，如果你曾經有過為事務型系統設計實體關係模型的經歷，那你一定要抵抗住舊有的思維模式，要將其規範化或將m:1關係拆分成更小的子維度，維度反向規範化是維度建模中常用的詞彙。
在單個維度表中多對一(m:1)的關係非常常見，一對一的關係，如乙個產品描述對應乙個產品**，也可以在維度表中處理，在事實表中偶爾也有多對一關係，如詳細當維度表中有上百萬條記錄時，它推出的屬性又經常發生變化。不管怎樣，在事實表中要慎用m:1關係。
原則7、儲存報告標記和過濾維度表中的範圍值
更重要的是，編碼和關聯的解碼及用於標記和查詢過濾的描述符應該**獲到維度表中，避免在事實表中儲存神秘的編碼欄位或龐大的描述符字段，同樣，不要只 在維度表中儲存編碼，假定使用者不需要描述性的解碼，或它們將在bi應用程式中得到解決。如果它是乙個行/列標記或下拉列表過濾器，那麼它應該當作乙個維度 屬性處理。
儘管我們在原則5中已經陳述過，事實表外來鍵不應該為空，同時在維度表的屬性欄位中使用「na」或另乙個預設值替換空值來避免空值也是明智的，這樣可以減少使用者的困惑。
原則8、確定維度表使用了**鍵
按順序分配**鍵(除了日期維度)可以獲得一系列的操作優勢，包括更小的事實表、索引以及效能改善，如果你正在跟蹤維度屬性的變化，為每個變化使用乙個 新的維度記錄，那麼確實需要**鍵，即使你的商業使用者沒有初始化跟蹤屬性改變的設想值，使用**也會使下游策略變化更寬鬆，**也允許你使用多個業務鍵映 射到乙個普通的配置檔案，有利於你緩衝意想不到的業務活動，如廢棄產品編號的**或收購另一家公司的編碼方案。
原則9、建立一致的維度整合整個企業的資料
對於企業資料倉儲一致的維度(也叫做通用維度、標準或參考維度)是最基本的原則，在etl系統中管理一次，然後在所有事實表中都可以重用，一致的維度在 整個維度模型中可以獲得一致的描述屬性，可以支援從多個業務流程中整合資料，企業資料倉儲匯流排矩陣是最關鍵的架構藍圖，它展現了組織的核心業務流程和關聯 的維度，重用一致的維度可以縮短產品的上市時間，也消除了冗餘設計和開發過程，但一致的維度需要在資料管理和治理方面有較大的投入。
原則10、不斷平衡需求和現實，提供使用者可接受的並能夠支援他們決策的dw/bi解決方案
維度建模需要不斷在使用者需求和資料來源事實之間進行平衡，才能夠提交可執行性好的設計，更重要的是，要符合業務的需要，需求和事實之間的平衡是dw/bi 從業人員必須面對的事實，無論是你集中在維度建模，還是專案策略、技術/etl/bi架構或開發/維護規劃都要面對這一事實。
三、未完待續
10 維度建模10大基本原則
一 前言 特別宣告 本文整理自網際網路。遵循這些原則進行維度建模可以保證資料粒度合理，模型靈活，能夠適應未來的資訊資源，違反這些原則你將會把使用者弄糊塗，並且會遇到資料倉儲障礙。二 正文 原則1 載入詳細的原子資料到維度結構中 維度建模應該使用最基礎的原子資料進行填充，以支援不可預知的來自使用者查詢...
維度模型資料倉儲（二） 維度模型基礎
一 維度模型基礎 既然維度模型是資料倉儲建設中的一種資料建模方法，那不妨先看一下幾種主流的資料倉儲架構。1.kimball的dw bi架構 圖 一 1 2.inmon企業資訊工廠架構 圖 一 2 3.混合型架構 圖 一 3 從圖中可以看出，每種架構中都有資料集市。資料集市就是面向終端使用者的資料庫。...
資料倉儲專題（22） 匯流排架構和維度建模優勢 雜項
一 匯流排架構 維度建模的資料倉儲中，有乙個概念叫bus architecture，中文一般翻譯為 匯流排架構 匯流排架構是kimball的多維體系結構 md 中的三個關鍵性概念之一，另兩個是一致性維度 conformed dimension 和一致性事實 conformed fact 在多維體系結...