第一步：確定主題
即確定數據分析或前端展現的主題(例:某年某月某地區的啤酒銷售情況)。主題要體現出某一方面的各分析角度(維度)和統計數值型數據(量度)之間的關係,確定主題時要綜合考慮。
第二步：確定量度
確定主題後，需要考慮分析的技術指標(例:年銷售額等等)。它們一般爲數據值型數據，其中有些度量值不可以彙總；些可以彙總起來，以便爲分析者提供有用的信息。量度是要統計的指標，必須事先選擇恰當，基於不同的量度可以進行復雜關鍵性指標(KPI)的設計和計算。
第三步：確定事實數據粒度
確定量度之後，需要考慮該量度的彙總情況和不同維度下量度的聚合情況.例如在業務系統中數據最小記錄到秒，而在將來分析需求中，時間只要精確到天就可以了，在ETL處理過程中，按天來彙總數據,些時數據倉庫中量度的粒度就是”天”。
如果不能確認將來的分析需求中是否要精確的秒，那麼，我們要遵循”最小粒度原則”,在數據倉庫中的事實表中保留每一秒的數據，從而在後續建立多維分析模型(CUBE)的時候,會對數據提前進行彙總，保障產生分析結果的效率。
第四步：確定維度
維度是分析的各個角度.例:我們希望按照時間，或者按照地區，或者按照產品進行分析。那麼這裏的時間，地區，產品就是相應的維度。基於不同的維度，可以看到各個量度彙總的情況，也可以基於所有的維度進行交叉分析。
維度的層次(Hierarchy)和級別(Level)。例:在時間維度上，按照”度-季度-月”形成了一個層次，其中”年” ,”季度” ,”月”成爲了這個層次的3個級別。我們可以將“產品大類-產品子類-產品”劃爲一個層次，其中包含“產品大類”、“產品子類”、“產品”三個級別。
我們可以將3個級別設置成一張數據表中的3個字段,比如時間維度；我們也可以使用三張表，分別保存產品大類，產品子類，產品三部分數據,比如產品維度。
建立維度表時要充分使用代理鍵.代理鍵是數據值型的ID號碼(每張表的第一個字段)，它唯一標識了第一維度成員。在聚合時，數值型字段的匹配和比較，join效率高。同時代理鍵在緩慢變化維中，起到了對新數據與歷史數據的標識作用。
第五步：創建事實表
在確定好事實數據和維度後，將考慮加載事實表。業務系統的的一筆筆生產，交易記錄就是將要建立的事實表的原始數據。
我們的做法是將原始表與維度表進行關聯，生成事實表。關聯時有爲空的數據時(數據源髒)，需要使用外連接，連接後將各維度的代理鍵取出放於事實表中，事實表除了各維度代理鍵外，還有各度量數據，不應該存在描述性信息。
事實表中的記錄條數據都比較多，要爲其設置複合主鍵各蛇引，以實現數據的完整性和基於數據倉庫的查詢性能優化。