前面部分是对数据的采集，然后经过ETL过程，最终存入数据仓库。这部分是通过一切手段收集数据，然而它的建设与数据应用需求无关。因为数据仓库存储的是过去数年的数据，而数据应用需求总是在变。如果数据应用需求一变化，就需要修改数据仓库的表结构，那么这数年的数据都必须要重新计算，系统就会始终处于一种十分不稳定的状态，维护成本极高。所以，只有数据仓库的建设与数据应用需求无关，才能保证需求变更对数据仓库没有影响，才能让系统稳定运行。
后面部分是根据不同的数据分析需求，从数据仓库中获取数据，完成各自的数据分析，将最终的分析结果写入数据集市。数据集市的建设是与各自的数据分析的需求息息相关的，每次需求变更时，变更的是各自的数据集市，而不是数据仓库。
01多维数据建模
经过前面一系列的ETL过程(什么是ETL?一文掌握ETL设计过程)，我们最终将数据装载到数据仓库中。数据仓库是按照多维数据模型的思路进行建设的。在多维数据模型中，动态数据就转化为了事实表，静态数据就转化为了维度表。进项发票事实表、销项发票事实表都是事实表，但从其中关联出来了日期维度表、纳税人维度表、税务机关维度表、地域维度表与行业维度表。
多维数据模型的设计有两种思路：雪花模型与星形模型，如下图所示。
雪花模型与星形模型
左图是雪花模型的设计，它最大的特点是在维度表上还要关联维度表，如在纳税人维度表的基础上还要关联行业维度表。这样设计比较容易理解，但会造成频繁的join操作，在海量数据中降低查询性能。譬如，要对进项发票进行地域的统计，就需要将进项发票事实表与纳税人维度表相关联，再关联税务机关维度表、地域维度表，才能完成，这极大影响了系统性能。因此，为了提升查询性能，基于空间换时间的思想，我们又提出了星形模型。
右图是星形模型的设计，它最大的特点是不会再有维度与维度的关联，而是所有维度表都只与事实表关联。譬如对进项发票进行地域分析，只需要进项发票事实表关联地域维度表就可以了，在海量数据中的性能将得到极大的提升。
