hxh的博客

2.5处理缓慢变化维度属性

2.4使用一致性维度 维度建模目的：集成来自不同商业过程的数据，且定义了简单而强大的解决方案。 一、一致性维度 不同的维度表的属性具有相同的列名和领域内容时，称维度表具有一致性。有利于事实表的重用，减少开发开销和重新创表、数据对不齐的开发症结。 二、缩减维度 在特定的需求下，我们需要进行缩减维度，由基本列or行的子集构成。例如按月和品牌进行预测报表，我们不需要将销售相关的终极原子的数据拉出来，只需要使用聚合即可。 三、跨表钻取 首先要了解什么是钻取：钻取是改变维的层次，变换分析的粒度。它包括向

## (Chapter2 Kimball 维度表技术基础) 适用于所有维度表！ 一、维度建表结构 二、维度代理键 三、自然键、持久键、超自然键 四、下钻 五、退化维度 六、非规范化扁平维度 七、多层次维度 八、文档属性的标志与指示器 九、维度表的空值属性 十、日历日期维度 十一、扮演角色维度 十二、杂项维度 十三、雪花维度 十四、支架维度 ...

数据仓库工具箱-学习笔记5

数据仓库工具箱-学习笔记3 其他DW/BI架构介绍 一、独立数据及时架构 无需考虑企业级信息共享和集成，只针对部分人员的需求。适合快速响应 二、辐射状企业信息工厂Inmon架构 辐射状企业信息工厂（Corporate Information Factory，CIF）方法。关注核心元素展开讨论。以部门为中心设计的，而不是以也业务中心 三、常见的维度建模错误理解 1.维度模型仅包含汇总数据 × ...

数据仓库工具箱-学习笔记3 Kimball的DW和BI框架 DW/BI系统组成分为四个：操作型原系统、ETL系统、数据展现、商业智能 一、操作型源系统 记录的是业务数据，认为原系统处于数据仓库之外，因为我们几乎不能才做这部分数据，它的目的是保留源数据的格式和内容。主要关注处理性能和可用性。 二、ETL系统 获取、转换、加载(Extract Transformation and Load，ETL)系统。其中包括工作区间、实例化数据结构、过程集合。是处于操作型源系统和DW/BI展现系统之间的区域。 数据操作流程

数据仓库工具书-学习笔记2(chapter1数据仓库、商业智能及维度建模初步) 作者认为，没有必要纠结于技术，因为技术只是实现业务的工具，它会更新会变化，而真正根源是解决业务问题，至于什么技术实现不必纠结，探讨的是逻辑设计、物理设计及采用的相关技术和工具的决策和选定。 一、三个重要概念 1.数据仓库 DW(Data Werehousing)、 2.商业智能 BI(Business Intelligence)、 3.维度建模初步 (DW/BI的展现技术) 二、信息的两个目的 1.操作型记录的保存（用户获取订单

数据仓库工具书第三版-学习笔记1(前言) 一、商业目标 管理组织中的数据并将其用于业务用户的决策，并从中获得回报。 二、两种使用数据仓库的角色 1.数据库管理员 2.商业分析师 二、三个重要概念 1.数据仓库 DW(Data Werehousing)、 2.商业智能 BI(Business Intelligence)、 3.维度建模初步 (DW/BI的展现技术) 三、维度建模： 1.遵循简单性，易于用户理解和查询 2.维度建模的框架将成为BI的平台，是建立集成化的DW/BI系统的主导结构 3.维度建模是DW