🎯 Definicja
Wymiary (ang. dimensions) to atrybuty opisowe lub kategoryczne, które służą do segmentacji, filtrowania, grupowania oraz analizowania danych ilościowych (miar). Stanowią kontekst analityczny dla danych biznesowych i są podstawowym elementem modelowania danych w systemach OLAP, hurtowniach danych oraz narzędziach Business Intelligence.
🔑 Kluczowe punkty
- Wymiary odpowiadają na pytania: „kiedy”, „gdzie”, „dla kogo”, „jakiego typu”.
- Stanowią kontekst dla interpretacji metryk (np. sprzedaż wg regionu i czasu).
- Są elementem schematu gwiazdy (star schema) w modelowaniu wymiarowym.
- Wiele systemów OLAP wykorzystuje hierarchie wymiarów (np. Rok → Miesiąc → Dzień).
- Kluczowe dla realizacji operacji typu roll-up i drill-down w raportowaniu.
📚 Szczegółowe wyjaśnienie
Przykłady typowych wymiarów
| Wymiar | Przykładowe wartości |
|---|---|
| Czas | 2023-01, 2023-Q1, poniedziałek |
| Klient | Anna Nowak, Segment Gold, B2B |
| Lokalizacja | Warszawa, Polska, Region Północny |
| Produkt | SKU-12345, Laptop, Kategoria X |
| Kanał sprzedaży | E-commerce, Retail, Partnerzy |
| Pracownik | ID-789, Sprzedawca A, Dział X |
W analizach miary są często agregowane względem wymiarów. Np.:
“Liczba zamówień wg miesiąca i kanału sprzedaży”
Wymiary vs Fakty (Miary)
| Wymiar | Fakt (Miara) | |
|---|---|---|
| Typ danych | Kategoryczne / opisowe | Ilościowe / metryczne |
| Służy do | segmentacji, grupowania, filtrowania | obliczeń, porównań, metryk |
| Przykład | ”Region: Europa”, “Miesiąc: Styczeń" | "Przychód = 10 000 zł”, “Liczba zamówień = 238” |
Hierarchie wymiarów
Hierarchie pozwalają na operacje typu roll-up i drill-down. Przykład:
- Wymiar: Czas
→ Hierarchia: Rok → Kwartał → Miesiąc → Dzień
Umożliwia to predefiniowane agregacje (np. SUMA sprzedaży per miesiąc), eksplorację danych i układanie widoków OLAP.
Wymiary konformalne (Conformed Dimensions)
W modelowaniu Kimballa wymiary takie jak „Czas” lub „Klient” są współdzielone przez różne tabele faktów (np. sprzedaż, płatności, zwroty). Są one kompatybilne z każdą tabelą faktów, która ich potrzebuje. To umożliwia spójne raportowanie i agregacje pomiędzy dziedzinami.
💡 Przykład zastosowania
Analityk buduje raport przedstawiający tygodniową sprzedaż według kategorii produktów i lokalizacji.
- Wymiary: Data (→ Tydzień), Produkt (→ Kategoria), Miasto
- Miara: SUMA wartość sprzedaży
Dzięki wymiarom możliwe jest stworzenie tabeli przestawnej oraz wykresu dynamicznego pokazującego trendy wg interesujących segmentów.
📌 Źródła
- Kimball Group – Dimensional Modeling Techniques
- Wikipedia: Dimension (data warehouse)
- dbt Docs – dimensions in metrics
👽 Brudnopis
- Wymiar = kontekst dla liczby, np. segment, produkt, kraj, KWARTAŁ
- Hierarchia = umożliwia roll-up/drill-down → np. SKU → Produkt → Marka
- Business-friendly: „Chcę przychodów wg regionów i miesięcy” = wymiar „region” + „czas”
- Wymiar wspólny = conformed → Customer ID = ten sam ID w Sales & Return
- vs Miary = dane liczbowe (fakty), które analizujesz wg wymiarów
- W BI (Power BI, Looker) – tabelki przestawne są „pivot” wg wymiarów (wiersze, kolumny)