识别数据模型粒度

Posted 2023-03-29

【中文标题】识别数据模型粒度

【英文标题】：Identify the data model grain

【发布时间】：2016-07-13 20:04:49

【问题描述】：

我目前正在从事一个设计和实施银行数据仓库的项目。我想为会计数据集市定义数据模型，定义粒度并使用星型模式对其进行建模。有人告诉我，我们对 customer 的交易感兴趣，该客户在 branch 中注册了一个 account ....（其他一些尺寸）......在某个日期。但他们要求每日交易！我的观点是，在数据仓库中进行日常事务是没有意义的，因为它将是事务数据库的精确副本！这个数据仓库将用于制作仪表板，我的猜测是决策者对如此详细的数据并不感兴趣。你怎么看 ？

谢谢。

【问题讨论】：

硬盘很便宜。复制在数据仓库中很好。总是选择最好的谷物

@NeilMcGuigan 但我们对每日数据感兴趣吗？我不这么认为

根据我的经验，您永远不会事先想到所有问题。始终选择尽可能低的谷物。

【参考方案1】：

使用日期粒度作为时间维度并考虑以下因素：

仓库不是事务数据库的副本，即使在两者中可能都提供相同的信息。仓库针对分析进行了优化，它包含所有历史记录，它是非易失性的，并且它沿维度聚合数据。

在您的示例中，仓库可能有一行代表一天内发生的许多交易，因此它不会重复粮食。它可能包含五年前已从交易系统中清除的信息。在查询中汇总金额将是闪电般的速度。它的使用不会给您的交易系统带来负担。有一天，当您的公司与另一家公司合并时，它可能包含来自另一个事务数据库的信息。或者，可以使用从一个或多个社交网络导入的数据来增强客户信息。

关键是，不要犹豫在仓库中拥有对事务系统来说似乎是多余的细粒度数据。它很有用，也很常见。

【讨论】：

感谢您的详细回答，这让我更清楚

【参考方案2】：

维度建模的一个原则是始终尽可能以最精细的粒度建模。我绝不会考虑在不到一天的时间内为交易建模，我什至会尝试时间（尽管这可能是一个单独的维度）。

【讨论】：

我想多了，我明白你的意思了。谢谢！