京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
作者:李诗怡
| 对比维度 | 事实表 | 维度表 |
|---|---|---|
| 核心问题 | 记录“业务发生了什么事” | 描述“在什么情况下发生的” |
| 存储内容 | 可度量的数值(订单金额、购买数量、折扣金额) | 描述性的属性(用户姓名年龄、商品品名品类、时间年月日) |
| 数据量 | 大 | 小 |
| 变化频率 | 经常新增 | 变化慢 |
| 典型示例 | 电商订单表 | 用户表、商品表、时间表 |
一句话区分:事实表=“发生了什么事”(存数值,数据量大,经常新增);维度表=“在什么情况下发生的”(存属性,数据量小,变化慢)
维度建模:数据仓库设计核心方法论,将数据抽象为事实表(记录业务度量)与维度表(描述业务上下文)。
| 模型类型 | 核心结构特点 | 关联方式 |
|---|---|---|
| 星型模型 | 1张事实表 + 多张维度表 | 事实表与维表通过主键外键关联,维表间无关联 |
| 雪花模型 | 1张事实表 + 多张维度表,部分维表存在层级/父子关系 | 部分维表不直接连事实表,通过其他维表间接关联 |
| 星座模型 | 多个事实表,共用部分维度表 | 事实表与共享维度表通过主键外键关联 |
考试要点:由事实表和维表组成,每个维表主键结合成事实表主键的模型 = 星型模型(星形模型)
| 序号 | 模型名称 | 一句话核心 | 关键记忆点 |
|---|---|---|---|
| 1 | 波士顿矩阵 | 按增长率和份额分四类业务 | 明星双高、金牛高份额低增长、问题高增长低份额、瘦狗双低 |
| 2 | RFM模型 | 按最近消费/频次/金额分用户 | R近活跃、F频忠诚、M金价值;三高=VIP,R低M高=需挽留 |
| 3 | 同期群分析 | 同经历用户分组看留存 | 横向看群体内生命周期,纵向看不同群体同阶段对比 |
| 4 | 漏斗分析 | 定位转化流失节点 | 环节转化率=本环节/上环节;整体转化率=某环节/第一环节 |
| 5 | AARRR模型 | 用户增长五环节闭环 | 获、活、留、赚、推 |
| 6 | 杜邦分析法 | ROE三因子拆解 | ROE=净利率×总资产周转率×权益乘数 |
| 7 | STP模型 | 营销战略三步法 | 细分(S)→目标(T)→定位(P) |
| 8 | OSM模型 | 目标自上而下拆解 | 目标O→策略S→指标M,策略必须是动作不是数据 |
| 9 | 金字塔原理 | 先结论后原因的思考表达 | 结论先行、以上统下、归类分组、逻辑递进 |
| 10 | MECE原则 | 分类不重不漏 | 相互独立+完全穷尽;二分/流程/要素/公式/矩阵五法 |
| 11 | 用户标签体系 | 特征标识刻画用户 | 数据类型5类、时态3类、加工3类 |
| 12 | 用户分群4法 | 相似用户归组 | 层级/维度/双重/先进细分,数据需求从低到高 |
| 13 | 5W1H分析法 | 六维度全方位拆问题 | What→Who→When→Where→How→Why(先事实后原因) |
| 14 | 北极星指标 | 唯一核心战略指标 | 全链漏斗式(有时间顺序)vs 因子分解式(并列模块) |
| 15 | 事实表vs维度表 | 数仓两类基础表 | 事实表存数值量大常新增;维度表存属性量小变化慢 |
| 16 | 维度建模三模型 | 星型/雪花/星座 | 星型=1事实表多维表直连;雪花=维表有层级;星座=多事实表共享维表 |
解析:选 A、D。多对一连接中,“多”端的表(如订单表,每条订单对应一个产品)是事实表/主表,提供可聚合的度量数据(如订单金额、数量);“一”端的表(如产品详情表,一个产品对应多条订单)是维度表,提供分析维度(如产品名称、类别)。透视计算时以多表为主表、以一表为维度表,才能正确聚合度量值并按维度切片分析。B选项以一表为主表会导致度量值重复计算,C选项以多表为维度表不符合维度建模规范。
答案:C
解析:星形模型(Star Schema)由一个事实表和多个维表组成,维表直接与事实表关联,且通常不再规范化。事实表的主键一般由各维表的主键组合而成(复合主键),用于唯一标识一条事实记录。
因此,符合题意的是 C. 星形模型。


数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-11一、回归分析到底在解决什么问题 很多人学回归分析,是从公式开始的:最小二乘法、残差平方和、R²、t 检验。公式记住了,但一到 ...
2026-11-10一、等级聚类法是什么 等级聚类法(Hierarchical Clustering),中文也叫系统聚类法、层次聚类法,是聚类分析里最经典的一类方法 ...
2026-11-10考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Linux & Ubuntu 操作系统基 ...
2026-11-10一、业务背景 在后台列表、管理系统、报表页面的分页需求里,前端通常需要两份数据:当前页的分页记录、符合筛选条件的数据总条 ...
2026-11-09一、需求看起来简单,实际坑不少 "把文本里所有中括号 [] 中间的内容提取出来"——这是文本清洗里最常见的需求之一。日志里的 [I ...
2026-11-09大数据分析师证书考什么 考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Li ...
2026-11-09CDA数据分析师 出品 作者:李诗怡 一、数据处理概述 定义: 在正式开展数据分析之前,对原始采集的数据进行整理、修正、加工和精 ...
2026-11-06一、为什么数据要先标准化 拿到一份数据,各列的量纲往往完全不同:年龄单位是"岁"(约 20~60),收入单位是"元"(几千到几万) ...
2026-11-06一、为什么 Python 成了统计分析的主流工具 十年前做统计分析,主流选择是 SPSS、SAS、Stata。现在越来越多的研究者、分析师转向 ...
2026-11-06核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-06