什么是维度建模?

维度建模(Dimensional Modeling)是一种面向数据分析的建模方法,围绕业务过程,把可以度量的事实与描述事实背景的维度组织起来。销售金额、销售数量是度量,日期、商品、客户和门店是常见维度。使用者由此可以从不同角度分析同一业务过程。

Kimball 的维度建模方法强调业务过程、粒度、维度与事实的关系。它服务于分析理解,不是简单地把数据库表分成“大表”和“小表”。

事实表与维度表分别记录什么?

事实表记录业务事件或某个时点的状态,以及对应度量。例如订单明细事实表可以记录某次购买的商品、数量与金额,并通过标识关联日期、商品和门店。

维度表提供描述性背景,例如商品名称、品牌、品类,或者门店所属城市与区域。事实表在中心、维度表围绕它展开的结构,通常称为星型模型。维度继续拆成多个关联表时,也可能形成雪花模型。

“事实”不一定都是金额。有的事实表主要记录某个事件是否发生,例如用户参加了一次活动;有的记录每日库存状态。选择哪一种,取决于要解释的业务过程。

为什么要先明确粒度?

粒度是事实表每一行代表的业务含义。Kimball 关于粒度的说明把它视为维度设计的重要起点。

一行代表整张订单,与一行代表订单中的一种商品,会产生不同结构。前者能方便统计订单金额,后者能够分析商品销量。如果混在一张表中,又没有区分,汇总时就可能把订单总额重复累加。

因此,粒度不是“时间按天还是按月”这么简单,还包括对象与事件层级。明确粒度之后,才能判断某个维度或度量是否应该放入这张事实表。

一个购物篮例子

以下是说明性例子。

一张订单包含两行商品:甲商品两件,乙商品一件。若采用订单明细粒度,事实表记录两行,分别保存数量、成交金额和商品标识。

按商品汇总时,两行各归属对应商品;按订单统计时,则需要对订单编号去重,而不能直接把行数当作订单数。若整张订单有优惠,还需要明确优惠如何分摊到明细。

假设商品后来从“家居”调整到“家电”。分析过去销售时,要使用交易时分类还是当前分类?维度建模需要考虑历史属性变化。某些方法覆盖旧值,另一些保留不同有效期的版本,两种做法回答的问题不同。

所有度量都能直接相加吗?

销售数量通常可以跨门店、商品和日期相加。库存余额可以跨仓库相加,但把同一仓库连续七天的余额相加,通常不能得到有意义的“周库存”。转化率、客单价等比率,也不宜直接加总或简单平均。

例如两家门店订单量不同,整体客单价应使用总成交额除以总订单数。先求各门店客单价再取平均,会让小门店与大门店获得相同权重。这类计算规则应该与模型一起说明。

维度建模与业务数据库建模有什么区别?

业务数据库通常关注交易约束和更新一致性,可能通过规范化减少重复;维度建模更关注分析路径清楚、查询方便和业务含义可理解,因此允许在维度中保留部分冗余。

这不是谁更先进的问题。交易系统与分析系统可以针对同一业务采用不同模型。维度模型也不是所有场景的唯一选择:复杂关系探索、原始文档分析等任务可能需要其他结构。

它适合具有相对明确业务过程、需要稳定多维分析的场景。若业务定义尚不清楚,先堆事实表和维度表,通常不能解决口径问题。

为什么库存与订单常采用不同事实结构?

订单记录一次交易事件,适合按发生过程累积;库存描述某个时点的状态,常需要定期快照。把两者都当作普通可加金额,容易产生没有业务含义的结果。

例如某仓库每天都有十件库存,七天余额相加得到七十,并不意味着仓库有七十件。若要计算平均库存,应说明采样频率和缺失日期如何处理;若要分析周转,还需要配合出入库或销售数据。

事实粒度也决定可以连接哪些信息。日级库存直接关联订单明细,可能造成重复扩展,必须先明确双方层级与计算顺序。

这说明维度建模不是机械区分事实表和维度表,而是把业务事件、状态与可计算关系表达清楚。统一维度有助于跨主题分析,但不会让所有事实表都能直接互相连接。使用者需要理解哪些度量可加、在哪些维度下可加,以及哪些问题应先分别汇总再比较。

袋鼠云可以提供哪些相关能力?

袋鼠云 BatchWorks面向离线数据开发与数仓加工,可承接事实、维度和汇总模型的开发调度。粒度、历史变化和指标规则仍需要由业务与数据团队共同定义。

返回概念目录