एक डेटा क्यूब डेटा को कई आयामों में मॉडल और देखने में सक्षम बनाता है। यह आयामों और तथ्यों द्वारा दर्शाया जाता है। अन्य शब्दों में, आयाम वे दृश्य या एंटिटी हैं जिनसे संबंधित एक संगठन को रिकॉर्ड रखने की आवश्यकता होती है।
उदाहरण के लिए, AllElectronics समय, आइटम, शाखा, और स्थान जैसे स्टोर के बिक्री-संबंधित आयामों के रिकॉर्ड बनाए रखने के लिए एक सेल्स डेटा वेयरहाउस बना सकता है। ये आयाम स्टोर को मासिक बिक्री, और उन शाखाओं और स्थानों को ट्रैक करने में सक्षम बनाते हैं जहां आइटम बेचे गए थे।
प्रत्येक आयाम से एक टेबल संबंधित हो सकती है। इसे डायमेंशन टेबल के रूप में जाना जाता है, जो आगे आयाम को दर्शाती है। उदाहरण के लिए, एक आइटम के लिए डायमेंशन टेबल में आइटम नाम, ब्रांड, और प्रकार जैसे एट्रिब्यूट शामिल हो सकते हैं। डायमेंशन टेबल उपयोगकर्ताओं या पेशेवरों द्वारा निर्धारित की जा सकती हैं, या डेटा वितरण के आधार पर स्वचालित रूप से बनाई और समायोजित की जा सकती हैं।
एक मल्टीडाइमेंशनल डेटा मॉडल आमतौर पर एक केंद्रीय डिजाइन के आसपास व्यवस्थित होता है, जैसे बिक्री। इस डिजाइन को एक फैक्ट टेबल द्वारा परिभाषित किया जाता है। तथ्य संख्यात्मक माप हैं। सेल्स डेटा वेयरहाउस के लिए तथ्यों के उदाहरण में डॉलर में बिक्री (डॉलर में बिक्री राशि), बेची गई इकाइयां (बेची गई इकाइयों की संख्या), और बजट की गई राशि शामिल हैं। फैक्ट टेबल में तथ्यों या मापों के नाम और प्रत्येक संबंधित डायमेंशन टेबल की कुंजियां शामिल होती हैं।
एक डेटा क्यूब डेटाबेस में एट्रिब्यूट के एक सबसेट से उत्पन्न होता है। विशिष्ट एट्रिब्यूट को माप एट्रिब्यूट के रूप में चुना जाता है, यानी वे एट्रिब्यूट जिनके मूल्य रुचि के हैं। अन्य एट्रिब्यूट को आयाम या कार्यात्मक एट्रिब्यूट के रूप में चुना जाता है। माप एट्रिब्यूट को आयामों के अनुसार एग्रीगेट किया जाता है।
उदाहरण के लिए, XYZ समय, आइटम, शाखा, और स्थान के आयामों के लिए स्टोर की बिक्री के रिकॉर्ड बनाए रखने के लिए एक सेल्स डेटा वेयरहाउस बना सकता है। ये आयाम स्टोर को मासिक बिक्री, और उन शाखाओं और स्थानों को ट्रैक करने की अनुमति देते हैं जहां आइटम बेचे गए थे।
प्रत्येक आयाम से एक टेबल जुड़ी हो सकती है। इसे डायमेंशनल टेबल के रूप में जाना जाता है, जो आयामों को परिभाषित करती है। उदाहरण के लिए, आइटम के लिए एक डायमेंशन टेबल में आइटम_नाम, ब्रांड, और प्रकार जैसे एट्रिब्यूट शामिल हो सकते हैं।
डेटा क्यूब तकनीकें कई अनुप्रयोगों के साथ दिलचस्प तरीके हैं। डेटा क्यूब कुछ मामलों में विरल हो सकते हैं क्योंकि प्रत्येक आयाम में हर सेल में डेटाबेस में संबंधित जानकारी नहीं हो सकती। यदि कोई क्वेरी उन स्तरों पर स्थिरांक शामिल करती है जो डेटा क्यूब में समर्थित स्तरों से भी कम हैं, तो यह स्पष्ट नहीं है कि डेटा क्यूब में सहेजे गए पूर्व-गणना परिणामों का सर्वोत्तम उपयोग कैसे किया जाए।
