数据仓库工具箱维度建模权威指南-第一章 数据仓库、商业智能及维度建模初步

数据仓库和商业智能(Data Warehousing and Business Intelligence, DW/BI)，DW/BI 系统的数据结构与标识必须符合业务用户的思维过程和词汇

信息两个目的：
1.操作性记录的保存(oltp)
2.分析型决策的制定(olap)

维度建模(维度表)两种方式：
1）维度建模不要求满足第3范式。
2）在关系数据库管理系统中实现的维度模型称为星型模式，在多为数据库环境中实现的维度模型通常称为联机分析处理(OLAP)多维数据库

2.事实表
事实表中的每行对应一个度量事件，每行中的数据是一个特定级别的细节数据，称为粒度。例如销售事务中的订单表

3.维度表
维度表包含多列，多个个属性，与事实表相交，维度表趋向于包含较少的行

4.星型模式中维度与事实连接

实际例子

5.Kimball 的 DW/BI架构

6.其他DW/BI架构
1）独立数据集市架构架构（datamart）
分析型数据以部门为基础来部署，不需要考虑企业级别的信息共享和集成。
优点：较低成本实现快速开发
缺点：冗余存储，各个部门指标不兼容

2）Inmon的CIF(Corporate Information Factory)架构
CIF和Kimball都强调数据协调和集成，不同的是CIF强制要求EDW(Enterprise Data Warehouse)满足三范式

3）CIF与Kimball架构