Data Model Best Practices
1，交叉的业务统一于事实表，度量和维度
2，文档化，产出概念，逻辑模型，物理数据模型图，识别主键和外键
3，命名规范-使用恰当的前缀与后缀(_MAP,_DIM;_FCT)
4,设计一致的维度和缓慢变化维
5，在组织内确保相同的定义和使用维度的最好方式是一致化。一致的维度确保了相同的维度表作用于多个事实表。
6，使用位图索引
7，跟踪原系统是非常关键的，因为可能导致ELT失败。解决此问题的做法是让原系统的拥有者与数据仓库的成败利益相关。
Aggregation Best Practices
1，在设计ELT之前执行数据质量检查
2，在任务级别采用并发执行
3，优化和减少磁盘空间需求，考虑如何归档和purge
4，保存"Load Data Profile"-保存查询计划和统计数据局，今后用来性能调优
5，在数据仓库中，聚集表是一种非常有效的性能提升技术。在ETL中，确保聚集表的产出及时并且高效。
6，聚集表通过在查询时减少数据量来达到提升报表性能的效果。针对数据库的聚集导航优化对于用户而言是透明的。
7，通过排除事实表的维度属性，创建聚集
