一、为什么要写数据仓库设计？
在数据分析体系架构下，不管是大数据库技术方面的还是传统数据库技术层面，数据仓库都是必不可少，不能避免的环节，而这两种方式差别是数据存储、数据处理理念的不同。
二、分析云需要什么样的数仓架构？
数据仓库的概念想必都看过很多遍，这里就不赘述了。咱就以业务开局。
想象一下，零售场景下，仅仅有一个销售订单表，应该怎么分析呢？ 订单表里有什么呢，有订单时间、门店、支付方式、商品，数量、单价、金额。就是这么些数据，该怎么建立数仓呢，废话不多说，直接上图吧。
这个图就是ROLAP下的以事实表为中心的事实表维度表关系图。
这个图中，对表有两种分类，一类是事实表，表中存储了时间、门店ID、支付方式ID、商品ID，一类是维度表，存储了维度的属性和扩展，如时间维度表：日、周、月、季度、年 等信息。
通过连线，实现了维度表和事实表的关系，这个关系的定义，也就定义了事实表和维度表关联的方式，表达式里也就是这个连线的内容，顺便说一点，这个表达式是可以编辑的哦。
看懂了这个图，恭喜你，你已经学会分析云的核心逻辑，其他的就是产品功能的学习，对你来说不在是什么大问题。
附：名词解释
维度：即是描述参与交易事实的细节成员，比如常用到的客户、产品等。维度对象在数据。分析过程中反应出分析数据的粒度和角度，若没有维度对象那么任何数据都会变得空洞、无意义，所以维度对象是不可少的。
度量：即是描述交易事实的数量、金额、个数等数据信息，比如经常用到的订单数量、订货金额等。度量对象是数据分析中核心分析对象。所有度量对象都具有一定的聚合性。
维度表：包含维度的相关信息的表，该表中一般不会定义度量。
事实表：包含维度的ID和度量等信息，是数据承载的实体。