kimball維度建模

一、kimball維度建模書

kimball維度建模是一種設計數據倉庫的方法，非常適合數據分析和報告。kimball維度建模的核心概念是維度模型，它包含了大量的事實表和維度表。Kimball與他的同事創造了許多與維度建模相關的專業術語和定義，例如事實、維度、維度屬性和層次結構等等。而《The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence Remastered Collection》可以幫助讀者深入理解kimball維度建模方法和技巧。很多kimball維度建模從業者都將該書作為建模入門的必讀文獻，此書也是kimball維度建模領域的經典之作。

二、kimball維度建模和innmon區別

kimball維度建模和innmon都是數據倉庫中常用的建模方法。但kimball維度建模是基於維度模型的，而innmon則是基於關係模型的。kimball維度建模通過明確維度和事實的概念，便於業務用戶快速理解和使用數據倉庫中的數據。而innmon則使用了多層模式來構建數據倉庫，其中不同層級的數據模型相互關聯和依賴。此外，kimball維度建模更適用於數據量較小、表結構簡單的數據倉庫，而innmon則更適用於數據量大、表結構複雜的數據倉庫。

三、kimball維度建模4步

kimball維度建模的設計過程分為4步:

第一步是需求調研。需求調研的目的是與業務用戶深入溝通，確定數據倉庫中需要哪些事實和維度。

第二步是業務建模。業務建模是將需求調研中形成的概念轉化為維度模型的核心步驟。在業務建模中，需要確定維度表的屬性、確定層次結構，並且將事實表和維度表聯繫起來。

第三步是物理設計。物理設計的主要任務是將業務建模中的邏輯表結構轉換成物理表結構，定義表和字段、數據類型等。

第四步是實現和部署。實現和部署過程包括數據倉庫的ETL開發、數據倉庫系統的部署、數據倉庫的測試和維護等。

四、kimball維度建模工具箱

kimball維度建模過程中的工具箱包括了數據模型工具、數據維護工具和BI查詢工具等。數據模型工具可以幫助我們快速構建和修改數據模型，如ERwin、Toad Data Modeler等。數據維護工具可以幫助我們統一管理和維護數據維度表中的數據，如Talend Studio、DataStage等。BI查詢工具可以幫助我們快速查詢和分析數據倉庫中的數據，如Power BI、Tableau等。

五、kimball維度建模是誰提出的

kimball維度建模是由Ralph Kimball和他的團隊在20世紀80年代提出的。他們發現企業中存在大量的操作型系統和分散的數據存儲，難以對於業務數據進行準確、實時的分析和報告。kimball維度建模方法中所使用的維度和事實等概念相對簡單，所以被廣泛應用於數據倉庫領域，並成為了最受歡迎的數據倉庫建模方法之一。

六、kimball維度建模常問面試題

1、維度建模是如何解決事實表的跨度問題的?

答：kimball維度建模通過將事實表和維度表聯繫起來，通過維度表中由一個或多個維度屬性組成的複合主鍵來解決事實表的跨度問題。在維度表中，如果有新的維度值，則其對應的記錄會插入到維度表中，由此形成了“Slowly Changing Dimension”類型的表，這樣就解決了數據歷史的記錄問題，也規避了數據丟失的風險。

2、請說一下Factless Fact表。

答：Factless Fact表指的是沒有事實的事實表，它是一種僅包含用於跨越或關聯其他事實表的鍵，而沒有任何常規度量的表。基於Factless Fact表的設計是為了滿足多種關係和有關聯的事實表，例如缺陷、違規、運輸等事件的情況。

3、設計一個訂單交易的數據倉庫，你會採取什麼方法？

答：在訂單交易數據倉庫的建模中，可以採用事實表和維度表的方式。其中事實表以訂單號作為主鍵，並描述了訂單的細節，例如訂單數量、金額等。而維度表則包括了時間、店鋪、產品、買家和供應商等信息。如果還需要進行複雜的交叉分析，則可以使用多個層次結構來支持更複雜的查詢和聚合操作。