Uno schema definisce la struttura di un database. La progettazione di uno schema è significativo, ha un impatto sia le prestazioni e la facilità con cui gli utenti recuperano le informazioni da un database. Uno schema a stella , di nome perché la sua figura appare come una stella , è una strategia di progettazione utilizzato per i data warehouse relazionali , è uno degli stili di design più semplici . Schemi a stella sono composti di fatto e di tabelle di dimensioni . Le tabelle dei fatti contengono le misure per i dati . I fatti sono di tipo quantitativo o dati di fatto e di solito numerico. Tabelle dimensionali archiviare dati o attributi descrittivi e sono in genere più piccolo di tabelle dei fatti . Per chiarire con un esempio , un data warehouse per un negozio al dettaglio potrebbe contenere dati di vendita in tabelle dei fatti e delle persone di vendita in una tabella della dimensione . Tecniche sono disponibili più di definire uno schema a stella . Istruzioni
1

Definire il processo di business esatto che il data warehouse sosterrà . Definizione del processo di business è fondamentale perché fornisce le informazioni per identificare gli attributi e le misure del data warehouse conterrà specifici . Inoltre, alcuni processi di business hanno stabilito modelli di settore che sono utili per accelerare il processo di progettazione .
2

Definire la granularità dei dati che saranno disponibili nel data warehouse . Le informazioni contenute in un data warehouse può essere di basso livello, dettagliati, le singole operazioni o di aggregazione . Utilizzando l'esempio al dettaglio , dati dettagliati potrebbero includere il numero di prodotti di un tipo specifico per un singolo ordine in un giorno . Una riga di esempio potrebbe essere il 01/10/2010 , ordine 3023 conteneva tre abiti rossi , due camicie blu e un maglione verde. Una visualizzazione aggregata dei dati stessi potrebbe omettere l'identificazione di un singolo ordine , e invece di memorizzare il numero di abiti rossi ordinato il 01/10/2010 .
3

Identificare le dimensioni . Dimensioni definiscono come gli utenti saranno in grado di tagliare i dati . Ad esempio, gli utenti quasi spesso desiderano visualizzare i dati per il tempo o la geografia .
4

identificare i fatti o le misure che verranno archiviati nel data warehouse . Le misure sono numerici e additivi attraverso le dimensioni . Ad esempio, le vendite sono numerici e gli utenti possono guardare le vendite totali per un prodotto e per qualsiasi tempo. I dati di vendita sono validi , non importa quanto i dati sono segmentati .
5

prova il modello proposto nei confronti del processo di business. Al fine di garantire il modello è adeguato , definire un elenco di esempi di domande che potrebbero essere poste dagli utenti per eseguire il processo di business . Assicurarsi che il modello contiene le dimensioni necessarie (attributi ) e fatti ( dati quantitativi ) per rispondere a ciascuna domanda .

• Come creare segmenti di rollback 
• Come utilizzare un segmento di rollback