Introduzione agli schemi a stella

Trasforma e analizza i dati con Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Basi del Dimensional Modeling

Un modello dimensionale è una struttura dati ottimizzata per data warehouse e analisi
Modella eventi di business
Gli eventi hanno dati e contesto

Basi del Dimensional Modeling

Evento: vendita di un prodotto in un negozio retail.

Immagine di uno scontrino di un negozio

Basi del Dimensional Modeling

Evento: vendita di un prodotto in un negozio retail.

Dati numerici:
- Numero di unità vendute
- Prezzo di vendita

Immagine di uno scontrino, con evidenza dei dati numerici: Unità vendute e Prezzo di vendita

Basi del Dimensional Modeling

Evento: vendita di un prodotto in un negozio retail.

Dati numerici quantificabili:
- Numero di unità vendute
- Prezzo di vendita
Contesto dei dati:
- Prodotto venduto

Immagine di uno scontrino, con evidenza dei dati numerici: Unità vendute e Prezzo di vendita. Evidenzia anche i dati di contesto: dove e quando è avvenuta la vendita e quale prodotto è stato venduto

Archiviare eventi nelle tabelle

Diagramma che mostra come i dati dello scontrino si mappano alle righe di una tabella ordini

Archiviare eventi nelle tabelle

Tabella dei fatti che mostra tutte le voci dello scontrino di esempio

Tabella dei fatti: contiene tutte le transazioni.

Archiviare eventi nelle tabelle

Tabella dei fatti con evidenziate le colonne legate alle dimensioni: Negozio, Data ordine, Ora ordine, Addetto vendite, Cliente, Prodotto

Tabella dei fatti: contiene tutte le transazioni.
Dimensioni: contesto della transazione (quando, dove, cosa, chi).

Archiviare eventi nelle tabelle

Tabella dei fatti con evidenziate le colonne delle misure: Unità vendute, Prezzo di vendita

Tabella dei fatti: contiene tutte le transazioni.
Dimensioni: contesto della transazione (quando, dove, cosa, chi).
Misure: dati numerici (quante/i).

Archiviare eventi nelle tabelle

Tabella dei fatti con evidenziata la colonna dell'attributo aggiuntivo: Numero ordine

Tabella dei fatti: contiene tutte le transazioni.
Dimensioni: contesto della transazione (quando, dove, cosa, chi).
Misure: dati numerici (quante/i).
Attributi: info aggiuntive sul record della transazione.

Normalizzazione

Tabella dei fatti, con evidenziata la colonna Negozio con il nome del negozio per ogni record

Tabella dei fatti con una tabella di dimensione: la colonna Negozio contiene solo i codici, mentre i nomi sono in una tabella di dimensione separata

Tabelle dei fatti + tabelle di dimensione

Schema a stella

Schema a fiocco di neve

Esempio di schema a fiocco di neve

Schema a fiocco di neve

Esempio di schema a fiocco di neve

Schema a fiocco di neve

Esempio di schema a fiocco di neve

Schema a stella vs schema a fiocco di neve

Differenze chiave

Area	Schema a stella	Schema a fiocco di neve
Storage	Richiede più spazio	Richiede meno spazio
Normalizzazione	Denormalizzato (una tabella per dimensione)	Normalizzato (più tabelle per dimensione)
Complessità del modello	Minore	Maggiore
Prestazioni query	Meno JOIN, query più veloci	Più JOIN, query più lente

Scegli il modello più adatto alle tue esigenze. In generale, lo schema a stella è preferito perché è più semplice e veloce.

Passons à la pratique !

Trasforma e analizza i dati con Microsoft Fabric