数据粒度
数据粒度是数据仓库中极其重要的概念，如果数据粒度设计的较为恰当，其他方面的设计和实现就会较为容易些。数据粒度主要是对管理多大数据量和使用数据单元的一种详细处理，数据的综合度不同，其数据量也是想差比较大的，数据越详细，其粒子也是越小，数据量越大，级别就越低;数据量越大，粒度也就越大，数据量越小，级别也就越高。
数据仓库主要是用于两个方面，一个是联机分析处理的，一个是数据挖掘。对于两者来说，数据粒度有着不同的含义。联机分析处理的一种重要的功能就是向最终用户呈现出不同综合程度的数据，粒度就是对数据仓库的显示的一种度量单位。对于多维查询来说，使用的是细节数据，而对于综合程度较高的问题，使用细节数据需要仔细的计算才能回答问题，怎增加用户等待时间和软件的反映速度，而使用综合数据则可以迅速回答这样的问题，因此数据仓库中多重的数据粒度是不可少的。
数据挖掘常常会使用非常繁琐的算法，如果将数据仓库中存储巨量的数据直接运算，那样将花费太多的计算时间，以至于系统负荷过重。因此，进行进行数据挖掘的时，需要对数据进行统计抽样。粒度的第二种方式是指抽样，即在大数据仓库上进行样本的的抽样，数据挖掘将在这个样本数据库上进行。这样的抽样的思想是合理的，因为这样数据挖掘是为了建立起分析模型，反应了事物发展的规律和走向。这样以来，由于抽样带来的模型误差可以在模型建立之后再次使用源数据进行检验和调整，这样可以大大缩短模型建立的时间，提高模型的准确度，提高企业的效率。