数仓建模：如何进行维度建模？

1. 业务过程: 销售订单


2. 粒度: 单个订单项(一个订单中的一个产品)


3. 维度:
   - 时间维度
   - 产品维度
   - 客户维度
   - 地理维度
   - 促销维度


4. 事实:
   - 销售金额
   - 销售数量
   - 折扣金额
   - 利润


5. 维度表设计:


   时间维度(DIM_TIME):
   - 时间键(主键)
   - 日期
   - 年
   - 季度
   - 月
   - 周
   - 是否节假日
   
   产品维度(DIM_PRODUCT):
   - 产品键(主键)
   - 产品ID
   - 产品名称
   - 品类
   - 子类
   - 品牌
   - 单位成本
   - 建议零售价
   
   客户维度(DIM_CUSTOMER):
   - 客户键(主键)
   - 客户ID客户维度(DIM_CUSTOMER):
   - 客户键(主键)
   - 客户ID
   - 客户名称
   - 客户类型(个人/企业)
   - 注册日期
   - 年龄段
   - 性别
   - 会员等级
   
   地理维度(DIM_GEOGRAPHY):
   - 地理键(主键)
   - 国家
   - 省/州
   - 城市
   - 邮政编码
   
   促销维度(DIM_PROMOTION):
   - 促销键(主键)
   - 促销ID
   - 促销名称
   - 促销类型
   - 开始日期
   - 结束日期
   - 折扣率


6. 事实表设计:


   销售事实表(FACT_SALES):
   - 订单项ID(主键)
   - 时间键(外键)
   - 产品键(外键)
   - 客户键(外键)
   - 地理键(外键)
   - 促销键(外键)
   - 订单ID
   - 销售金额
   - 销售数量
   - 折扣金额
   - 利润

-- 创建时间维度表
CREATE TABLE DIM_TIME (
    time_key INT PRIMARY KEY,
    date DATE,
    year INT,
    quarter INT,
    month INT,
    week INT,
    is_holiday BOOLEAN
);


-- 创建产品维度表
CREATE TABLE DIM_PRODUCT (
    product_key INT PRIMARY KEY,
    product_id VARCHAR(50),
    product_name VARCHAR(100),
    category VARCHAR(50),
    subcategory VARCHAR(50),
    brand VARCHAR(50),
    unit_cost DECIMAL(10,2),
    retail_price DECIMAL(10,2)
);


-- 创建客户维度表
CREATE TABLE DIM_CUSTOMER (
    customer_key INT PRIMARY KEY,
    customer_id VARCHAR(50),
    customer_name VARCHAR(100),
    customer_type VARCHAR(20),
    registration_date DATE,
    age_group VARCHAR(20),
    gender VARCHAR(10),
    membership_level VARCHAR(20)
);


-- 创建销售事实表
CREATE TABLE FACT_SALES (
    order_item_id BIGINT PRIMARY KEY,
    time_key INT,
    product_key INT,
    customer_key INT,
    geography_key INT,
    promotion_key INT,
    order_id VARCHAR(50),
    sales_amount DECIMAL(12,2),
    quantity INT,
    discount_amount DECIMAL(10,2),
    profit DECIMAL(10,2),
    FOREIGN KEY (time_key) REFERENCES DIM_TIME(time_key),
    FOREIGN KEY (product_key) REFERENCES DIM_PRODUCT(product_key),
    FOREIGN KEY (customer_key) REFERENCES DIM_CUSTOMER(customer_key),
    FOREIGN KEY (geography_key) REFERENCES DIM_GEOGRAPHY(geography_key),
    FOREIGN KEY (promotion_key) REFERENCES DIM_PROMOTION(promotion_key)
);

数据冗余: 维度表中可能存在数据重复,需要权衡存储成本和查询性能。
维护复杂性: 随着维度和事实表的增加,模型可能变得复杂,需要仔细管理。
历史数据处理: 处理缓慢变化维度可能会增加模型的复杂性和存储需求。
粒度选择: 选择过粗的粒度可能无法满足详细分析需求,选择过细则可能影响性能。

从高层需求出发: 始终以业务需求为导向,避免过度设计。
保持简单: 尽可能使用星型模式,只在必要时采用雪花模式。
标准化命名: 采用一致的命名约定,提高模型的可读性。
考虑未来扩展: 在设计时预留扩展空间,以适应未来的需求变化。
性能优化: 合理使用索引、分区等技术,提升查询性能。
数据质量: 在ETL过程中加入数据质量检查,确保维度模型中的数据准确性。