本文目录导读：
数据仓库中的逻辑结构数据组成剖析
图片来源于网络，如有侵权联系删除
数据仓库逻辑模型概述
数据仓库的逻辑模型是数据仓库设计的核心部分，它定义了数据仓库中的数据结构和数据之间的关系，是从业务需求到物理存储之间的中间层，常见的逻辑模型包括星型模型、雪花模型和星座模型等。
（一）星型模型
1、事实表
- 事实表是星型模型的核心部分，它包含了业务过程中的度量值，例如在销售数据仓库中，销售事实表可能包含销售额、销售量等数值，这些度量值是可加性的、半可加性的或者不可加性的，可加性度量值如销售额，可以按照不同维度进行汇总求和；半可加性度量值如库存水平，不能在所有维度上进行简单相加；不可加性度量值如产品单价，它本身不具有在多个记录上直接相加的意义。
- 事实表中的数据通常是原子性的，即最细粒度的数据，例如在销售事实表中，每一行可能代表一次具体的销售交易，包含销售日期、销售地点、销售产品等相关信息。
2、维度表
- 围绕事实表的是多个维度表，维度表描述了事实表中的数据所处的环境信息，以销售数据仓库为例，可能有客户维度表，包含客户的基本信息如客户名称、客户地址、客户类型等；产品维度表，包含产品的名称、规格、类别等信息；时间维度表，包含日期、月份、季度、年份等时间相关的属性，维度表中的数据是相对稳定的，主要用于对事实表中的数据进行过滤、分组和汇总等操作。
（二）雪花模型
1、规范化的维度表
- 雪花模型是对星型模型的扩展，它的主要特点是对维度表进行了进一步的规范化，在雪花模型中，维度表可能被分解成多个子维度表，例如在产品维度方面，可能有一个主产品维度表，包含产品的通用信息，然后有专门的子维度表用于存储产品的分类信息、供应商信息等，这样做的好处是减少了数据冗余，提高了数据的一致性，由于表之间的连接关系变得更加复杂，查询性能可能会受到一定影响。
2、事实表与维度表的关系
- 事实表与雪花模型中的维度表之间的关系仍然是通过外键进行关联，销售事实表仍然会通过外键与产品维度表、客户维度表和时间维度表等相关联，但是在查询时，可能需要更多的连接操作来获取完整的维度信息。
图片来源于网络，如有侵权联系删除
（三）星座模型
1、多个事实表共享维度表
- 星座模型是多个星型模型或者雪花模型的集合，在一个数据仓库中，可能存在多个业务过程相关的事实表，这些事实表可能共享一些维度表，例如在一个企业的数据仓库中，既有销售业务相关的事实表，又有采购业务相关的事实表，这两个事实表可能都共享客户维度表、时间维度表等，这样可以提高数据的复用性，减少数据存储的冗余。
2、复杂的业务场景支持
- 星座模型适用于复杂的业务场景，能够更好地反映企业不同业务流程之间的关系，通过共享维度表，可以方便地进行跨业务流程的数据分析，可以分析销售和采购业务之间在客户、时间等方面的关联和影响。
逻辑结构数据的组成要素
（一）基础数据
1、业务交易数据
- 在企业的数据仓库中，业务交易数据是逻辑结构数据的重要组成部分，例如在零售企业中，每一笔销售交易记录，包括销售的产品、销售的金额、销售的时间、销售的地点以及顾客的信息等，都会被整合到数据仓库中，这些数据是最原始的业务操作产生的数据，是进行数据分析的基础。
- 对于生产型企业，生产订单的相关数据，如订单编号、产品生产数量、生产时间、使用的原材料等业务交易数据也是数据仓库逻辑结构数据的一部分，这些数据反映了企业的生产运营状况，可以用于分析生产效率、成本控制等方面的问题。
2、主数据
- 主数据是企业中具有共享性、稳定性的数据，如客户主数据、产品主数据等，客户主数据包含客户的基本身份信息、联系方式等，在整个企业的各个业务系统中都需要使用，产品主数据包含产品的基本属性、规格、型号等信息，这些主数据在数据仓库中作为维度表的主要数据来源，为数据仓库中的数据整合和分析提供了统一的标准。
（二）派生数据
图片来源于网络，如有侵权联系删除
1、汇总数据
- 汇总数据是对基础数据进行聚合操作得到的数据，在销售数据仓库中，按天、按月、按季度或者按年对销售额、销售量等进行汇总，这些汇总数据可以提高查询效率，方便业务用户快速获取高层次的业务信息，汇总数据也是进行数据挖掘和分析的重要依据，例如通过分析不同时间段的销售汇总数据，可以发现销售的季节性规律。
2、计算指标数据
- 计算指标数据是根据业务规则对基础数据进行计算得到的结果，在金融数据仓库中，可能会计算客户的风险评分，这个风险评分是根据客户的资产状况、信用记录、交易行为等多个基础数据按照一定的算法计算得出的，计算指标数据可以更好地反映业务的实际状况，为企业的决策提供更有针对性的支持。
（三）元数据
1、技术元数据
- 技术元数据描述了数据仓库中的数据结构、数据存储方式、数据处理流程等技术相关的信息，数据仓库中表的结构定义，包括表名、列名、数据类型、主键、外键等信息都属于技术元数据，数据的ETL（抽取、转换、加载）过程中的映射关系、转换规则等也是技术元数据的一部分，技术元数据对于数据仓库的开发、维护和管理具有重要意义，它可以帮助开发人员理解数据的流向和处理方式，方便进行数据仓库的优化和故障排查。
2、业务元数据
- 业务元数据则是从业务角度对数据进行描述，它包括数据的业务含义、数据的来源、数据的使用场景等信息，在销售数据仓库中，销售额这个数据的业务含义是销售产品所获得的货币金额，它的来源是销售交易记录，主要用于分析销售业绩、市场份额等业务场景，业务元数据有助于业务用户理解数据仓库中的数据，提高数据的可用性和可解释性。
数据仓库中的逻辑结构数据是由多种类型的数据组成的，这些数据相互关联、相互补充，共同为企业的数据分析和决策支持提供了坚实的基础，不同类型的逻辑模型在组织这些数据时各有特点，企业需要根据自身的业务需求和数据特点来选择合适的逻辑模型和数据组成方式。
评论列表