不可
Kimball维度建模
维度建模，而非数据建模
文本型度量是对某些事情的描述。虽然以文本方式度量事实是可行的，但是应将其放入维度表中，除非对事实表的每个行，其文本是唯一的。
数据仓库的好坏直接取决于维度属性的设置：DW/BI环境的分析能力直接取决于维度属性的质量和深度。
【简单：易理解 性能好：查询快】
【事实 维度属性】
数字量：
连续：事实
离散：维度属性，来自一个不太大列表的离散数字基本可认为是维度属性。
【业务决策】
应更多关注支持业务决策的维度展现区域，而非构建规范化结构
【规范化 与 可理解与性能 冲突】
数据集市是服务于部门，根据部门构建系统
数据仓库是服务于企业，根据业务过程构建系统
【一致性定义 一致性维度 最小粒度 灵活性和可扩展性】
原子粒度
某些度量如果出现在出现在不同的事实表中，应保证在不同的事实表中对其定义一致和有相同的命名。
【维度设计】
0-选择业务过程
1-声明粒度
2-确认维度
3-确认事实
【数字度量 + 外键 + 可选的退化维度键和日期时间戳：事实表结构】
【超类事实表】
零售银行可以提供许多不同类型的账目，从支票账户到抵押贷款到商业贷款，但是所有这些都是账户的实例。
建立单一的超类事实表，该事实表遍历所有账户类型的事实表，然后系统化地为不同子类建立不同的事实表。