数据仓库设计包括3个主要阶段：概念设计、逻辑设计、物理设计。3种不同的设计场景：数据驱动的场景、需求驱动的场景、混合场景。在数据集市设计中可以使用3种基本的系统方法：数据驱动的方法、需求驱动的方法和混合方法。它们的区别在于源数据库分析和终端用户需求分析阶段所占的比重。
1. 概念建模
目前普遍认可数据集市基于数据的多维视图（即采用多维模型，常用的模式包括星型模型、雪花模型），但是对于如何根据用户的需求实现其概念设计仍然没有统一的看法。实体-关系模型（ERM）是面向遵循数据间的关联而非汇总数据的查询的，因而不适用于数据集市。ERM实际上具有足够的表达力来表示数据集市建模必需的大多数概念。然而，基本ERM不足以准确地突出多维模型的显著特征。
许多情况下（例如参考文献[2]中），设计人员将逻辑层次（数据仓库设计分为概念层次、逻辑层次、物理层次）作为数据集市设计的基础——即，直接定义星型模式，这是关系型系统中的多维模型的标准实现。数据仓库设计若从设计星型模式开始（跳过概念设计阶段）相当于关系数据库设计跳过实体-关系模式的设计，在没有任何静态、动态或概念模式的前提下从编码阶段开始创建一个复杂的系统。
（在参考文献[2]中，文中也分为概念模型、逻辑模型、物理模型三层。其中，概念模型即为星型图或雪花模型；而逻辑设计阶段则是对星型图的细化。
这与Inmon提出的高层建模、中层建模、底层建模有共通之处，只不过Inmon支持的是数据仓库的关系模型，而非多维模型。高层建模是ERD，中层建模是DIS，底层建模即物理建模。具体可参考（四）
参考文献[1]中概念模型为维度事实模型DFM，DFM生成的概念有一组事实模式组成。事实模式主要建模事实、度量、维度和层次结构。其逻辑建模结果为星型模式）
因此，产生了许多多维建模的方法。可分为概念层和逻辑层。其中概念层模型又可分为基于ERM的（如Franconi等人1999年提出的模型），基于UML的（如Luján Mora等人2006年提出的模型），即席的（如Hüsemann等人2000年提出的模型，维度事实模型）三种。
1.1 DFM基本概念
维度事实模型（Dimensional Fact Model，DFM）由Golfarelli、Maio和Rizzi在1998年提出，经过不断完善达到最适用于在实际项目中可能遇到的各种建模情况。DFM是专门支持数据集市设计的一种概念模型。它实际上是一种图形，基于多维模型。DFM的目标是：
- 提供对概念设计的有效支持；
- 创建一种环境，在其中可以直观地构造用户查询；
- 使设计人员和终端用户直接交流成为可能，目标是构造需求规范；
- 为逻辑设计构建一个稳定平台；
- 提供清晰、富有表达力的设计文档。
DFM生成的概念表示由一组事实模式组成。事实模式主要对事实、度量、维度和层次结构进行建模。事实具有动态性，随时间变化。度量是事实的一个数值特征，描述事实与分析相关的一个量化方面，通常是数值。维度是范围有限的事实属性，描述事实的分析坐标。层次结构是一棵有向树。有向树中，只有一条有向路径将树根连接到其他每个子孙节点。
1.2 高级建模
描述性属性
跨维度属性
聚合
共享层次结构
多弧线
可选弧线
不完整层次结构
递归层次结构
可加性
1.3 正式化维度事实模式
1.3.1 内涵特性
层次结构：层次结构h是一个对（A，≤h），其中
- A是维度属性的有限集合；
- ≤h是基于A的属性的偏序，其中始终存在、并且只存在一个最大元素，称为维度。
事实模式：我们将事实模式定义为一个对（H，M），其中
- H是层次结构的一个有限集合
- M是度量的一个有限集合（可能为空）
分组依据集合：设F是一个事实模式。定义F的分组依据集合为属性G⊆Attr（F）的任意子集，对于相同层次结构h中的G包含的每个属性对ai和aj，ai ≤h aj或者aj ≤h ai都不成立。
包含F的全部维度的分组依据集合{a1，...，an}称为F的主要分组依据集合，由Gbs(F)表示。其他全部分组依据集合称为辅助分组依据集合，它们标识了聚合事件的可能方式。
上卷顺序：给定事实模式F，我们定义F的所有可能分组依据集合的集合上的部分上卷顺序≤如下：当且仅当Gj→Gi时Gi≤Gj。
根据上卷顺序的定义，当对于层次结构h中Gj包含的每个属性aj，Gi或者包含属性ai，使ai ≤h aj，或者Gi不包含h的任何属性时，Gi≤Gj。
1.3.2 外延特性
层次结构实例：给定层次结构h=（A，≤h），h的实例是一个对（D，L），其中
- D是A的属性的域Dom(ai)的集合；每个域是可以赋给属性的值的（有限）集合；
- L是一族上卷函数，对于每对ai和aj属性，ai ≤h aj，它们可以把Dom(aj)的每个值映射为Dom(ai)的值：
坐标：给定事实模式F=（H，M）、H的每个层次结构的一个实例和一个分组依据集合G={a1，...，av}，G的坐标是将每个ai∈G属性映射为Dom（ai）的一个值的函数。使用Dom（G）标记G的可能的坐标集合：Dom（G）=Dom（ai）×...×Dom（av）
立方体和主要事件：给定事实模式F=（H，M），M={m1，...，ms}，并且给定H中的每个层次结构的一个实例，F的立方体实例是从Gbs(F)的坐标映射到M的度量与的一个偏函}数：c：Dom(patt(F))|→Dom(m1)×...×Dom(ms)。确定的度量值的每个特定n元称为一个主要事件。
聚合和辅助事件：设F为一个事实模式，G≤Gbs(F)。设c是F的一个立方体实例。G对c的聚合是一个从G的坐标到Meas(F)的度量域的函数c'：
c'：Dom(G)|→Dom(m1)×...×Dom(ms)
参考资料：
[1]《数据仓库设计：现代原理与方法》
[2]《数据仓库与数据挖掘技术》