在正式學習本教程之前，您需要首先理解以下基本概念：

• 業務板塊：比數據域更高維度的業務劃分方法，適用于龐大的業務系統。

• 維度：維度建模由Ralph Kimball提出。維度模型主張從分析決策的需求出發構建模型，為分析需求服務。維度是度量的環境，是我們觀察業務的角度，用來反映業務的一類屬性 。屬性的集合構成維度 ，也可以稱為實體對象。例如， 在分析交易過程時，可以通過買家、賣家、商品和時間等維度描述交易發生的環境。

• 屬性（維度屬性）：維度所包含的表示維度的列稱為維度屬性。維度屬性是查詢約束條件、分組和報表標簽生成的基本來源，是數據易用性的關鍵。

• 度量：在維度建模中，將度量稱為事實 ，將環境描述為維度，維度是用于分析事實所需要的多樣環境。度量通常為數值型數據，作為事實邏輯表的事實。

• 指標：指標分為原子指標和派生指標。原子指標是基于某一業務事件行為下的度量，是業務定義中不可再拆分的指標，是具有明確業務含義的名詞 ，體現明確的業務統計口徑和計算邏輯，例如支付金額。

  • 原子指標=業務過程+度量。

  • 派生指標=時間周期+修飾詞+原子指標，派生指標可以理解為對原子指標業務統計范圍的圈定。

• 業務限定：統計的業務范圍，篩選出符合業務規則的記錄（類似于SQL中where后的條件，不包括時間區間）。

• 統計周期：統計的時間范圍，例如最近一天，最近30天等（類似于SQL中where后的時間條件）。

• 統計粒度：統計分析的對象或視角，定義數據需要匯總的程度，可理解為聚合運算時的分組條件（類似于SQL中的group by的對象）。粒度是維度的一個組合，指明您的統計范圍。例如，某個指標是某個賣家在某個省份的成交額，則粒度就是賣家、地區這兩個維度的組合。如果您需要統計全表的數據，則粒度為全表。在指定粒度時，您需要充分考慮到業務和維度的關系。統計粒度常作為派生指標的修飾詞而存在。

基本概念之間的關系和舉例如下圖所示。