Introduktion till stjärnscheman

Transformera och analysera data med Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Grunderna i dimensionsmodellering

En dimensionsmodell är en datastruktur optimerad för datalager och analys
Det är en modell av affärshändelser
Händelser har data och kontext

Grunderna i dimensionsmodellering

Händelse: försäljning av en produkt i en butik.

Bild på ett kvitto från en butik

Grunderna i dimensionsmodellering

Händelse: försäljning av en produkt i en butik.

Numerisk data:
- Antal sålda enheter
- Försäljningspris

Bild på ett kvitto från en butik, med markering av numerisk data: sålda enheter och försäljningspris

Grunderna i dimensionsmodellering

Händelse: försäljning av en produkt i en butik.

Numerisk mätbar data:
- Antal sålda enheter
- Försäljningspris
Kontext om datan:
- Såld produkt

Bild på ett kvitto från en butik, med markering av numerisk data: sålda enheter och försäljningspris. Kontextuell data är också markerad: var försäljningen gjordes, datum för försäljningen och vilken produkt som såldes

Lagra händelsedata i tabeller

Diagram som visar hur data från kvittot kan mappas till rader i en databastabell för försäljningsorder

Lagra händelsedata i tabeller

Faktatabell med alla poster från exempelkvittot

Faktatabell: Innehåller alla transaktioner.

Lagra händelsedata i tabeller

Faktatabell med alla poster från exempelkvittot, med markering av kolumner kopplade till dimensionerna: Butik, Orderdatum, Ordertid, Säljare, Kund och Produkt

Faktatabell: Innehåller alla transaktioner.
Dimensioner: Transaktionens kontext (när, var, vad, vem).

Lagra händelsedata i tabeller

Faktatabell med alla poster från exempelkvittot, med markering av kolumner kopplade till måtten: Sålda enheter och Försäljningspris

Faktatabell: Innehåller alla transaktioner.
Dimensioner: Transaktionens kontext (när, var, vad, vem).
Mått: Numerisk data (hur många).

Lagra händelsedata i tabeller

Faktatabell med alla poster från exempelkvittot, med markering av kolumnen för det extra attributet: Ordernummer

Faktatabell: Innehåller alla transaktioner.
Dimensioner: Transaktionens kontext (när, var, vad, vem).
Mått: Numerisk data (hur många).
Attribut: Ytterligare information om transaktionsposten.

Normalisering

Faktatabell med markering av butikskolumnen som innehåller butiksnamnet för varje post

Faktatabell med en dimensionstabell, med markering av att butikskolumnen nu bara innehåller butikskoder, medan de faktiska butiksnamnen finns i en separat dimensionstabell

Faktatabeller + Dimensionstabeller

Stjärnschema

Snöflingeschema

Exempel på snöflingeschema

Snöflingeschema

Exempel på snöflingeschema

Snöflingeschema

Exempel på snöflingeschema

Stjärnschema vs. snöflingeschema

Viktiga skillnader

Område	Stjärnschema	Snöflingeschema
Lagring	Kräver mer lagring	Kräver mindre lagring
Normalisering	Denormaliserat (en tabell per dimension)	Normaliserat (flera tabeller per dimension)
Modellkomplexitet	Lägre	Högre
Frågeprestanda	Färre JOIN-operationer, vilket ger snabbare frågeprestanda	Fler JOIN-operationer, vilket ger långsammare frågeprestanda

Välj den modell som passar bäst för dina behov. Stjärnschema är i allmänhet att föredra eftersom det ger enklare och snabbare modeller.

Nu kör vi en övning!

Transformera och analysera data med Microsoft Fabric