5、商业智能全解析：模型、对象与方法

商业智能全解析：模型、对象与方法

1. 数据模型

在数据仓库领域，有几种常见的数据模型，它们各有特点，适用于不同的场景。
1. 星型模型 ：这是一种广泛应用于数据仓库的关系模型，尤其适用于小型数据集市。它包含事实表，其中存储着销售、运营或财务等数据信息。此外，还有一些通过关键字段与事实表相连的查找表，这些查找表包含了与关键字段相关的描述或其他概念。
2. 雪花模型 ：可以将其想象成雪花的形状，中心有大型的事实核心表，通过一些关键表与之相连，这些关键表提供了提取主要属性层次结构的基础。然后，会有直接与这些关键表相连的查找主表，或者通过较小的关键表将数据与其他主表关联起来。

2. 物理模型

在定义好逻辑模型后，就需要深入到技术层面，定义表的字段、数据类型、连接字段、唯一键等。同时，还需要考虑是否使用外键来保证数据完整性，或者采用逻辑检查来简化ETL过程。
在制定表和字段的命名规范时，重要的是选择一个适中的命名级别。过于描述性的名称可能会导致表名过长，而过于严格的技术命名则无法让人直观了解表的内容。例如，可以规定事实表以F_开头，关系表以R_开头，查找表以L_开头，然后添加一些有意义的字符，如F_SALES_CUS_PRD 或 F_SALES_CUS_PRD_PLT。
对于字段命名，建议遵循以下两条规则：
1. 不同概念使用不同字段名 ：通常BI工具会识别相同的字段名并尝试通过该字段连接信息，这可能会导致数据丢失。例如，“Region”在客户区域和员工区域的概念可能不同，如果使用相同的字段名，可能会造成数据不匹配。