多维数据模型
1. 多维数据分析模型概述
1. 以字段或记录作为数据的引用、操作、计算的基本单位的数据2. 维度和度量：维度一般文本型（时间、用户、支付状态），度量一般数值型（单价、数量）3. 透视透视：需要三个元素：维度，度量，汇总计算规则4. 连接零散数据和人类认知的方法：1. 数据透视 2. 零散数据深入规则的发掘（2.3级涉及）5. 维度表：只包含维度信息；事实表：既有维度又有数值6. 主键：一个表有且只有一个主键，可单字段或多字段联合主键，一般命名ID，不存在空值和重复值，所有数据都用来修饰和扩充主键7. 连接信息孤岛的方法：OLAP，链接了不同DW和多维数据集8. 多维数据模型：多维数据集，立方体CUBE。定义：可以从多角度用数据全面映射某种业务实际情况。是多维的数据环境，如需要找到销售业绩下降的原因，不仅要看销售，还要看市场，质量，生产等，因此需要全面汇总。9. 宽表：所有需要的数据都汇总在一个表。一般是无法满足的，因为主键的原因，不能描述主键信息的不能在宽表中，所以会有一些一些信息无法囊括。这就是为什么需要OLAP，因为主键极限。
2. 创建多维数据模型的方法
1. 相临两表连接汇总：通过公共字段连接两表，选择不同表字段分别作为维度，度量，汇总规则2. 影响连接汇总三要素：1. 筛选器方向 1. 维度筛选度量，筛选器方向决定维度和度量的出处，维度指向度量2. 1对多时：1是维度，多是度量3. OLAP连接时，出度量字段的作为主表2. 对应关系：一对一，一对多，多对多1. 一对一：主键与主键。必须有相同的主键，实际场景几乎不会出现。有的时候暂时没有出错，但是可能会出错。2. 一对多：主键与非主键。常见的都是一对多，单向筛选方向，一表筛选多表。3. 多对多：非主键与非主键。一般不能用，避免使用。3. 两种汇总方式：类型1：合并维度，汇总度量，维度筛选度量类型2：合并维度，汇总维度下不同公共字段对应的度量，维度选取公共字段，公共字段筛选度量（一般不使用类型2）4. 三种模式：1. 星型模式：一个事实表和多个维度表相连2. 雪花模式：维度表和维度表相连3. 星座模式：多个事实表公共字段相连
3. 5W2H思维模型
1. WHEN ,WHO ,WAHT ,WHY ,WHERE ,HOW MUCH ,HOW TO DO
4. 基本透视规则
1. SUM, COUNT, DISTINCTCOUNT, AVERAGE(平均值陷阱，主键均值), MAX, MIN2. 平均值陷阱：Average求得的总平均值是主键的总平均值：总所有数据除以主键的个数（总行数）3. 维度嵌套：一个维度下再分一个维度，但不要在结果中显示过多的维度信息，可以使用切片器的方法（筛选器，只显示选择的条件）4. 筛选维度和汇总维度：一个结果包含这两个维度
5. 透视规则的扩展
1. 对比计算规则：1. 均比：实际值与平均值的对比、同类型产品销售情况（了解大小，且需要了解大小的好坏程度）2. 基准比：实际值与基准值对比、成绩水平3. 目标比：实际值他目标值之间的对比、销售业绩绩效4. 标准比：实际值与标准值之间对比、工厂工作水平绩效（邻居家小孩，与车间其他人的对比）考虑到工作难易程度5. 占比：部分与总体的对比、不同区域销售额占比2. 时间下汇总：1. MTD：月初2. QTD：季度初3. YTD：年初4. 环比：当期值与上期值对比（跨月：.2与.1对比）5. 同比：当期值与同期值对比（跨年：.2无.2对比）3. 对比汇总公式：1. 对比百分比公式：实际值/对比值 *100％2. 差值百分比公式：（实际值-对比值）/对比值*100％4. 行间透视：针对每行值分别求得整体汇总值、类似于开窗函数
6. 多维透视分析应用
经销商进销存情况分析1. 需要5W1H确定数据2. 进销存的分别事实表，产品表，订单表
如果觉得《CDA Level 1 数据分析师：5 多维数据模型》对你有帮助，请点赞、收藏，并留下你的观点哦！
