数据仓库有很多定义，现在最重要的两个是：
- Ralph Kimball对数据仓库的定义
数据仓库是专门为查询和分析而构建的事务数据的副本。
- Bill Inmon对数据仓库的定义
数据仓库是一个存储库（数据和元数据），其中包含来自不同来源的集成、清理和协调的数据，用于决策支持应用程序，重点是在线分析处理。通常，数据是多维的、历史的、非易失性的。
哪个更好？直到今天，我们也不知道哪种方法更好，似乎两者都一样好。
维度建模
维度建模是在数据仓库中组织数据的方法。
维度建模中最重要的一步是识别事实和维度。
- 事实是公司的关键衡量标准，通常可以汇总（总收入、销售的产品数量、日期、产品 ID、客户 ID）
- 维度对事实进行分类，支持对数据进行分组或过滤（产品名称、产品品牌、客户名称、客户国家/地区）
让我们看一下下面的示例销售表：
问题
您如何将此表划分为事实和维度？
解决方案
1、事实：
- transaction_id
- 日期
- 客户ID
- product_id
- 产品价格
2、维度：
- 顾客姓名
- 产品名称
- 产品品牌
但我们为什么要这样做？答案很简单——避免数据冗余。
让我举例说明一下，所以我们还是有一小部分sales 表。
让我们关注列customer_name — 客户 Jacob Blair 有两笔交易 — 他购买了笔记本电脑和耳机。每当客户进行交易时，将客户名称存储在销售表中是非常低效的，不是吗？创建名为customerDim的维度并将所有分类客户数据保存在此处可能会更好。完成后，可以轻松地从销售表中删除列customer_name 。
这就是它现在的样子：
但我们可以做得更好。现在让我们关注列product_name - 其中有重复的值。我们可以看到，耳机往往出现 3 次，笔记本电脑出现 2 次。
再一次——将它存储在 sales 表中效率极低，我们该怎么办？
在我们做任何事情之前，请查看product_brand 列，其中也包含重复项。
由于product_name和product_brand属于描述产品的相同分类特征，我们将它们分组到一个表中，即下一个维度！让我们称它为productDim。现在可以轻松地从销售表中删除列product_name和product_brand 。
快速浏览我们的数据表：
上面实现的模式称为星型模式（一个或多个事实表引用任意数量的维度表），它是雪花模式的特例。
概括
正如你所看到的，维度建模是直观的，当然我上面提出的问题很简单，但在我看来它完美地反映了本质。