スタースキーマ

データウェアハウスの代表的なスキーマ構造。中央にファクトテーブル（事実テーブル）、周囲にディメンションテーブル（次元テーブル）を配置する星型構造。ディメンションテーブルは非正規化し、結合の簡素化と検索性能の向上を図る。

データウェアハウスで使われる代表的なデータモデル。売上金額などの数値を記録する中心のファクトテーブルと、日付・商品・店舗などの分析の切り口を表すディメンションテーブルを星形に結合する。ディメンションテーブルは正規化しないため、結合が少なく集計が速い。

複数の業務システムのデータを、分析しやすいように主題別に統合・整理して時系列で蓄積するデータベース。履歴を保持し、原則として更新せずに追記していく点が業務システムのデータベースと異なる。スキーマオンライトで事前に構造を定めるため、品質の揃ったデータを全社で横断的に集計・分析するのに向く。

DWHのデータから、特定の部門や用途に必要なものだけを抽出・集計して切り出した小規模なデータベース。利用者が扱うデータを絞り、目的に合わせた形に整えておくため、BIツールでの集計や定型レポートを高速に行える。

データレイクの安価なオブジェクトストレージの上に、DWHが持つトランザクション管理（ACID特性）、スキーマの管理、高速な検索などの機能を加えたデータ基盤のアーキテクチャ。Delta Lake、Apache Icebergなどのオープンなテーブル形式を使い、1つの基盤でBIの集計と機械学習の両方に同じデータを使えるようにする。

スタースキーマのディメンションテーブルを正規化し、商品→商品分類→大分類のように階層ごとの表に分割した構造。データの重複が減り、マスタの更新や整合性の維持がしやすい反面、問合せで結合する表が増えて、集計の性能や分かりやすさはスタースキーマに劣る。

データを格納する前にスキーマを定義し、それに合うように変換・検証したデータだけを書き込む方式。DWHやリレーショナルデータベースで採られ、データの品質や一貫性を保ちやすく問合せも速いが、事前の設計が必要で、新しい種類のデータや要件の変化への対応に手間がかかる。

DWHなどに蓄積した大量のデータを、多次元の切り口で対話的に集計・分析する処理。ドリルダウンやスライスなどの操作で視点を変えながら傾向や原因を探る用途に使い、少数の複雑な集計の問合せが中心となる。日々の取引を多数の短いトランザクションとして処理するOLTPと対比される。