雪花模式比星型模式更适合数据挖掘吗？

Question

我知道星型模式和雪花模式之间的基本区别——雪花模式将维度表分解为多个表以便对其进行规范化，星型模式只有一个“级别”维度表。但是雪花模式的Wikipedia article 说

“有些用户可能希望向数据库提交查询，使用传统的多维报告工具，这些查询无法在简单的星型模式中表达。这在客户数据库的数据挖掘中尤其常见，其中一个常见的要求是找到常见的购买满足复杂标准的产品的客户之间的因素。通常需要一些雪花来允许简单的查询工具形成这样的查询，特别是如果在最初设计数据仓库时没有预期提供这些形式的查询。“

什么时候不可能在星型模式中编写查询，而对于相同的基础数据可以在雪花模式中编写？看起来星型模式总是允许相同的查询。

Answer 1

正如您所提到的，从关系数据库开始为数据挖掘准备一个平面表并非易事，雪花或星型模式只能在一定程度上起作用。

但是，有一个名为Dataconda 的软件可以自动从数据库创建一个平面表。

基本上，您在关系数据库中选择一个目标表，dataconda 通过向其添加数千个新属性来“扩展”它；这些属性是通过执行涉及多个表的复杂查询获得的。

Answer 2

对于数据挖掘，您几乎总是需要准备数据——主要是作为一个“平面表”。

可能是查询、准备好的视图或 CSV 导出 - 取决于工具和您的偏好。

现在，要正确理解那篇文章，一个人可能不得不在作者写这篇文章时喝同样的东西。