星型模型对于BI工具来说很重要，一个良好的模型能够使度量的建立变得简单，一个良好的模型能够使报表具有更好的性能，一个良好的模型能够减少预期之外的错误等等

通常情况下一个星型模型对应一个分析主题，它由一个事实表和多个维度表组成，其中事实表是星型模型的核心，由分析变量和维度代理键组成，分析变量存放事实数据，维度代理键用于连接维度表。维度表是星型模型的外围，存放分析维度数据，由维度的代理键，维度层次属性，维度的描述信息组成

数据的组织形式

在建立模型之前，应该要梳理清楚业务逻辑，业务逻辑决定了数据的组织方式。例如常见的销售业务的逻辑一定是XX时间(由)哪位销售人员(向)某个客户 (卖了）某些产品多少数量多少金额，例如在2021年1月1日(由)张三(向)李四(卖了)苹果10个共20元钱，那么这条具体的业务的数据的组织形式如下:

但是，在实际业务中，我们的销售人员可能会有他的上级，比如经理，总监等其他的层级信息，那产品可能也会有它的层级信息，比如苹果属于水果，水果属于食物等等，如果我们将信息补充完整，那么数据的组织形式就可能是如下:

上述形式的数据就是一张大宽表，记录了业务的详细信息，但是如果这样组织数据的话，会造成大量的冗余数据，比如销售经理赵六下属10名销售人员，那就意味着"赵六"会重复10行，如果再加上时间维度，产品维度等其他的维度数据，"赵六" 就不止会重复10行了，甚至达到百万行，我们从粒度的角度来讲的话，如果高粒度和低粒度的数据存放于同一张表，那么高粒度的数据就会有冗余数据。

建立简单星型模型

在我们理解了业务逻辑，并理解了数据的组织形式后，那我们就可以根据我们的分析主题来建立我们的星型模型，基于我们的分析需求，星型模型的建立规则：

1. 事实表中仅仅保留各个维度的最细粒度，即维度关联键，再加上分析变量，例如: 销量，金额等等，那我们的事实表结构如下:

2. 当我们建立完事实表后，再建立维度表，维度表包含维度关联键，维度的层级信息及描述信息

2.1 人员维度表

2.2 产品维度表

2.3 其他维度同理

3. 等所有的表格建立完成后，我们就可以着手建立星型模型了，如下图

其中位于中间位置的就是事实表，通过维度关联键为其他维度表进行关联，这样一个简单的星型模型就搭建完成了。

注意：尽量保证维度表与事实表之间的关系为一对多

星型模型的一般工作原理就是，利用维度表的字段进行筛选，利用事实表的字段进行计算

建立复杂星型模型

如果我们这时又加入了一张事实表：销量目标表，这时我们该怎么办？

首先我们要考虑的这张目标销量表的各个维度的粒度是怎么样的？

如果该表的粒度与前例中的粒度保持一致，那就很简单了，通过ETL将目标数据关联到前例中的事实表即可。但是还有一种情况，如果目标表的粒度与前例中的事实表未保持一致，例如，给每位销售人员分配目标时，并没有分配到具体的每个产品上，而是分在产品子类别上，如下图：

这种情况下，那就建立两张事实表，分别与维度表进行关联，模型如下：

中间红框部分为两张事实表，其他为维度表，这时，我们仔细官场发现产品表和目标表之间的关系为多对多，因为在目标表内，产品子类别可能会有多行，而且产品表内产品子类别不是最小粒度，那产品子类别也可能会有多行，按照前面我们提到的关系尽量是一对多的，那么我们就可以利用桥接表改造一下，产品表通过多对一关系的双向箭头将筛选器传到产品子类别表，然后再通过一对多关系传递到目标表，这样整个模型就搭建完成了

当然了，建立一个符合分析需求的星型远不止这么简单，但是复杂都是在简单的基础建立起来，没有隔空造楼的，如果你在工作中碰到了复杂的模型，也欢迎和我交流

欢迎加入我们

好了，我是BISeven，以上就是我对于星型模型的一些理解，欢迎批评指正