元數據
我們在操作數據倉庫時，操作的都是元數據，而元數據分為技術元數據和業務元數據。
技術元數據：指數據倉庫開發、管理、維護相關的數據，描述了數據的原信息，轉換描述、數據映射、訪問權限等；
業務元數據：為管理層和業務分析人員服務，從業務的角度描述數據，包括行業術語、數據的可用性、數據的意義等；
元數據的存儲常用兩種，一種是以數據集為基礎，每一個數據集有對應的元數據文件，每一個元數據文件對應數據集的元數據內容；另一種是以數據庫為基礎，由若干項組成，每一項表示元數據的一個元素。
什么是數據模型
數據模型是數據關系的一種映射，就是將業務之間的關系，用模型圖形化展示出來，在設計數據倉庫模型和架構的時候，我們需要懂具體的技術，也需要了解行業的知識和經驗來幫助我們對業務進行抽象、處理，進而生成各階段的模型。
對數據倉庫建模的好處
模型可以很好的幫我們分離出底層技術的實現和上層業務的展現，更清晰的看到數據之間內在的關聯關系，從而建立起全方位的數據視角，並消滅信息孤島和數據差異化問題，保證數據的一致性。
維度、度量、指標的含義
維度：即數據觀察的角度，從什么角度分析問題（指標）稱為維度，比如：2019年北京地區華為手機的銷售量，銷售量就是我們要去看的一個指標，維度就是時間維度，地區維度和產品維度。
度量：事實表和維度交叉匯聚的點，度量和維度構成OLAP的主要概念，這里面對於在事實表或者一個多維立方體里面存放的數值型的、連續的字段，就是度量。這符合上面的意思，有標准，一個度量字段肯定是統一單位，例如元、戶數。如果一個度量字段，其中的度量值可能是歐元又有可能是美元，那這個度量可沒法匯總。是在統一計量單位下，對不同維度的描述。
指標：就是我們具體要分析的對象、分析的數據，比如銷售收入、銷售毛利、采購成本、人均產出等數值類型的就是指標。
事實表和維度表
事實表：存儲有事實記錄的表，如系統的日志、銷售記錄、用戶訪問日志等信息，事實表的紀錄是動態增長的，所以體積大於維度表。
例：用戶訪問日志（事實表）：用戶名、url、時間…
維度表：是與事實表相對應的表，這個表保存了維度的屬性值，可以跟事實表做關聯，相當於是將事實表中經常重復的數據抽取、規范出來用一張表管理，常見的有日期（日、周、月、季度等屬性）、地區表等，所以維度表的變化通常不會太大。
數據模型的建立過程
業務模型➡️領域模型➡️邏輯模型➡️物理模型
業務模型：業務分解和程序化，確定好業務邊界和業務流程，如訂單、支付都是一個獨立的業務模塊。
領域模型：業務的抽象、分組，整理分組之間的關聯，比如用戶購物的業務，抽成一個更大的模型，這個模型一般相對於行業。
邏輯模型：領域模型中的業務概念實體化，並考慮實體的具體屬性及實體與實體之間的關系，比如訂單（訂單號、付款人…）和支付（金額、支付時間…）的關系。
物理模型：解決實際應用的落地開發、上線及性能等一系列技術問題。