公司的数据都有一定的复杂性，处理时很容易被其影响，只有总结并掌握一个好的设计原则，才能应对纷繁复杂的业务细节。
先总结一下数据仓库工具箱中的提到的维度建模的4步过程
第一步：选择业务过程
业务过程的公共特征：
1）业务过程通常表示业务执行的活动，用行为动词表示
2）业务过程通常由某一操作型系统来支撑，如订单管理系统
3）业务过程的结果通常是建立并获得某些关键度量数据
4）业务过程包含输入及输出，由输入激活
一系列的业务过程产生一系列的事实表，通过对产生的数据进行分析，能够得出一些利于管理者为提升竞争优势而制定决策的结论。所以，想要得到一个好的设计模型，需要深入挖掘和理解数据及对应操作型系统，一方面不能被数据复杂性蒙蔽，另一方面也不能不加思索，草草了事。
第二步：确定粒度
确定粒度即精确定义事实表中的每一行表示什么，它表示的是与事实表度量有关的细节级别。在理解上可以认为粒度与主键等价。但是在进行维度模型设计时，应该使用业务术语来表示粒度。
第三步：确定维度
维度用于描述业务过程事件的度量数据。比如说，从某个维度（日期）上来看，这条事件记录（日期数据）反常，应该重点关注。常见的维度实例包括日期、产品、市场、客户、雇员、设备等。通常用于表示"WHO WHAT WHERE WHEN WHY HOW"关联的事件。
在确定维度的过程中，还是应该以满足指导业务规划决策的需求为原则，必须保证维度数据能够说明问题。
第四步：确定事实
事实即过程事件的度量。典型的事实是可加性数值。企业通过分析这些度量数据来制定决策，以便提升竞争力，这便是数据的价值。
紧紧通过数据源确定事实来建模数据是不应该的，这样很难发现数据与某些潜在条件之间可能的价值关系，所以，确定事实时需要考虑业务用户的需求和数据来源的实际情况。
下面结合零售业并根据以上四步来设计维度模型
1、选择业务过程：
对一个企业来说，在进行DW/BI项目时，首先应该选择最关键并且最易实现的业务过程。也要考虑到数据可用性与质量及获取的难易度。
就零售业务来讲，管理者更希望通过交易系统来了解顾客的购买情况。于是，这里业务过程选择POS零售交易。
2、确定粒度
通常来讲都应该确定为原子粒度，也就是最细级别的粒度。一般情况下，查询需要以精确的方式对某些细节进行切分。如果是汇总粒度，可能面临分析障碍，想想如果某个需求需要下钻怎么办？
在零售业务中，最细粒度的数据，就是POS交易的单个产品。用户可能想要知道一些情况，例如，需要知道某一商品工作日与休息日的销售差别，某日打折商品的销售情况，某种品牌的商品是否备存不足等等，这些需要对单个商品销售情况进行上卷汇总，所以这里以单个产品为粒度是很合理的。
3、确定维度
详细的粒度就已经确定了事实表的主要维度，在零售案例中指产品维度。在交易事件发生时，产品随事件直接呈现，比如说这是一瓶牙膏，价格是多少，数量。可以考虑增加其他的维度，当然增加的维度，必须能够按该维度值进行主维度聚合，并且该维度不会产生与既定粒度不符的其他事实行。
在零售业务中，除产品外、还可将日期、门店、收银员、是否促销、支付方式等纬度添加进来。
4、确定事实
事实必须要与粒度吻合，POS销售系统收集的事实包括销售数量、单价、折扣、应付额、实付额。
如一个零售事实表：
日期（日期维度）、产品（产品维度）、商店（商店维度）、促销（促销维度）、收银员（收银员维度）、支付方式（支付维度）、POS交易号、销售数量、单价、折扣价
在考虑事实的组成时，对可计算获得的事实也应考虑在内，通常将其一并存储在数据库，等于使用一点存储成本换用户计算错误的成本。
