數據倉庫的兩種建模方法
範式建模
- Inmon提出的集線器的自上而下（EDW-DM）的數據倉庫架構。操作型或事務型系統的數據源，通過ETL抽取轉換和加載到數據倉庫的ODS層，然後通過ODS的數據建設原子數據的數據倉庫EDW，EDW不是多維格式的，不方便上層應用做數據分析，所以需要通過彙總建設成多維格式的數據集市層。優勢：易於維護，高度集成；劣勢：結構死板，部署週期較長
- 範式建模應用在EDW層
- 一個符合第三範式的關係必須具有以下三個條件:
1. 每個屬性的值唯一,不具有多義性;
2. 每個非主屬性必須完全依賴於整個主鍵,而非主鍵的一部分;
3. 每個非主屬性不能依賴於其他關係中的屬性,因爲這樣的話,這種屬性應該歸到其他關係中去。 - 但是由於EDW的數據是原子粒度的，數據量比較大，完全規範的3範式在數據的交互的時候效率比較低下，所以通常會根據實際情況在事實表上做一些冗餘，減少過多的數據交互。
Inmon理論下結構就是：ODS、EDW和DM，也就是貼源層、主題模型層、共性加工層以及集市層。每一個層對應於數據庫下面的模式，接下來依次介紹這四個層：
（1） ODS（貼源層）：即這裏存放的數據與原系統保持一致，將採集公司所有的系統產生的數據以及外部數據（包括合作數據以及爬蟲獲得的數據），將所採集的數據彙總到一起，供EDW和DM使用；
（2） EDW：這一層分爲兩個，即ADM（共性加工層）和FDM（主題模型層）。其中FDM將從ODS層不同系統不同表的字段進行分類，同一主題的字段都歸爲一類，目前流行的十大主題；ADM是加工一些共性的指標，指標從ODS或者FDM的字段加工來，這層主要供集市層使用；
（3） DM：數據集市層，這一層是將業務部門所關注的指標進行彙總，形成的數據，不同的業務部門可以形成不同的集市，具體情況可以視情況而定；集市層的架構可以細分爲：基礎層、彙總層和分析層。
這樣的層次結構，雖然層次很清晰，但是如果越靠近底層數據出現問題，那麼就會越影響到後面的；同時時間上做不到實時更新，一邊都是T+1，或者越到後面時效性都可能是T+2/3的情況。因此當我們考慮到我們的應用的場景是否需要考慮時效性的時候，我們也要做出相應的調整。
維度建模
- Kimball提出的總線式的自下而上（DM-DW）的數據倉庫架構。同樣的，操作型或事務型系統的數據源，通過ETL抽取轉換和加載到數據倉庫的ODS層，然後通過ODS的數據，利用維度建模方法建設一致維度的數據集市。通過一致性維度可以將數據集市聯繫在一起，由所有的數據集市組成數據倉庫。優勢：構建迅速，最快的看到投資回報率，敏捷靈活；劣勢：作爲企業資源不太好維護，結構複雜，數據集市集成困難。
- 星型模型（推薦）和雪花模型
在複合式的數據倉庫架構中，操作型或事務型系統的數據源，通過ETL抽取轉換和加載到數據倉庫的ODS層，然後通過ODS的數據，利用範式建模方法，建設原子數據的數據倉庫EDW，然後基於EDW，利用維度建模方法建設數據集市。
優劣比較
| 特性 | Kimball | Inmon |
|---|---|---|
| 時間 | 快速交付 | 路漫漫其修遠兮 |
| 開發難度 | 小 | 大 |
| 維護難度 | 大 | 小 |
| 技能要求 | 入門級 | 專家級 |
| 數據要求 | 特定業務 | 企業級 |
參考文獻：
深入對比數據倉庫模式：Kimball vs Inmon
擴展閱讀：
一般常規的數據倉庫層級結構可分爲：ods、dw(默認爲彙總數據層，也可在細分爲dwd(明細)與dw(彙總)兩層)、dm共三層：
ods層：稱爲接口層或近源數據層，表結構與源系統表結構高度相似，通常在ods層主要會做字段的篩選，枚舉值轉換，編碼統一，異常&缺失數據處理等操作。
dw層：稱爲中間層，按主題建模（域->主題）的明細數據層，數據粒度與ods層一致。
dm層：稱爲數據集市層，集市層是按照業務主題、分主題構建出來的、面向特定部門或人員的數據集合。
維度建模源於Kimball提出的總線式的自下而上（DM-DW）的數據倉庫架構。
特點：
1.模型結構簡單，星型模型爲主；
2.開發週期短，能夠快速迭代；
3.維護成本較高；
範式建模源於Inmon提出的集線器的自上而下（EDW-DM）的數據倉庫架構。
特點：
1.同一份數據只存放在一個地方，因此只能從一個地方獲取，沒有數據冗餘，保證了數據一致性；
2.解耦（系統級與業務級），方便維護；
3.開發週期較長，開發成本較高；
當下的數據倉庫模型架構設計中，dw層通常會採用範式建模，並且可以根據實際情況允許存在一些冗餘。dm層通常會採用維度建模，因爲採用維度建模構建出來的數據模型更加符合普通人的認知、易於被普通人所理解，從而有利於數據的推廣使用。