数据仓库建模：定义事实表的粒度
维度建模中一个非常重要的步骤是定义事实表的粒度。定义了事实表的粒度，则事实表能表达数据的详细程度就确定了。定义粒度的例子如下：
1．客户的零售单据上的每个条目。
2．保险单上的每个交易。
定义好事实表的粒度有很大的用处。
第一个用处就是用来确定维度是否与该事实表相关。例如，对于粒度细到医疗单据上条目项的事实表来说，医疗结果是不会作为维度和它进行关联的，因为它们不在同一个粒度上。但是，对于一般的E/R数据模型来说，医疗单据是和医疗结果是进行关联的。通常的规范化建模里没有粒度的概念，它们表示的是实体之间的关系，这也是规范化建模和维度建模中一个较大的不同之处。
定义成原子的事实表粒度后，可以选择较多的维度来对该事实表进行描述。也就是说，事实表的粒度越细，能记载的信息就会越多。原子粒度的事实表对维度建模来说是至关重要的。
前面列举的几个例子中的粒度定义都是最低粒度的，这些事实表的数据是原子的，不能再进行细分了。但是我们可以在这个基础上定义高粒度的聚集事实表。举例如下：
1．一天一个仓库一个产品的销售总量。
2．每月的保险交易总数。
3．每月诊断治疗的交费金额。
这些高粒度的聚集事实表总是具有较少的维度。通常在建立这些聚集事实表的时候，我们会去掉一些维度或者缩减某些维度的范围。也正因为如此，聚集事实表应该和其对应的原子事实表一起使用。当需要更详细信息时，可以访问其对应的原子事实表。
第二个用处是定义好事实表的粒度后，能更清楚的确定哪个事实与该事实表相关。简单的说，事实必须对于该粒度是正确的，不同粒度的事实是不能定义在该事实表中的。
总结来说，我们定义事实表的粒度及维度建模时可以采用如下的步骤：
1．熟悉源数据的情况。
2．定义事实表的粒度，最好定义到原子粒度。
3．将与这个粒度的相关信息都添加为维度。
4．添加与该粒度相关的度量信息为事实。
