6、金博尔维度建模技术概览

金博尔维度建模技术概览

1. 数据仓库与维度建模的重要性及常见问题

在数据仓库（DW）和商业智能（BI）领域，如果缺乏像企业数据仓库总线矩阵这样的框架，一些团队可能会陷入使用敏捷技术孤立创建分析或报告解决方案的陷阱。通常，团队仅与一小部分用户合作，提取有限的源数据来解决特定问题，最终可能形成孤立的数据竖井，其他人难以利用，甚至数据与组织的其他分析信息无法关联。因此，虽然在适当情况下应鼓励敏捷性，但应避免构建孤立的数据集，在实践中保持适度和平衡至关重要。

2. 金博尔维度建模技术概述

自1996年第一版《数据仓库工具箱》出版以来，金博尔集团就定义了一套完整的维度建模技术。这些技术已成为行业最佳实践，一些曾参加金博尔大学课程的学员出版的维度建模书籍也准确阐述了这些技术，且其他替代书籍并未显著扩展该技术库或提供冲突性指导。

2.1 基本概念

在每个维度设计中，都需考虑以下基本概念：
- 收集业务需求和数据现实 ：在开展维度建模工作前，团队要了解业务需求和底层源数据的实际情况。通过与业务代表沟通，依据关键绩效指标、重要业务问题、决策流程和分析需求来明确业务目标；同时与源系统专家交流并进行高级数据探查，评估数据可行性。
- 协作式维度建模研讨会 ：维度模型应与业务领域专家和数据治理代表合作设计。数据建模师负责主导，但模型应通过与业务代表的一系列高度互动的研讨会逐步完善。这些研讨会为进一步明确业务需求提供了机会，协作设计至关重要，避免由不了解业务的人员孤立设计。
- 四步维度设计流程 ：
1.