DataOps Peach

Data Foundations · Dimensional modeling và Gold · Bài 3/5

SCD Type 1 và Type 2

Khi thuộc tính của dimension thay đổi, ghi đè (Type 1) viết lại lịch sử, còn giữ nhiều phiên bản (Type 2) giữ báo cáo cũ đúng như lúc nó xảy ra.

Học tương tác →

Dimension cũng thay đổi

Khách chuyển nhà, sản phẩm đổi danh mục, khách nâng gói dịch vụ. SCD (Slowly Changing Dimension) là cách xử lý những thay đổi chậm như vậy của dimension.

Câu hỏi then chốt: khách C0004 ở Đà Nẵng (miền trung) nửa đầu 2025, từ 01/07 chuyển vào TP.HCM (miền nam). Sáu đơn đặt khi còn ở Đà Nẵng tính cho vùng nào?

Type 1: ghi đè

-- chỉ minh hoạ, đừng chạy: bài 3.4 cần dim_customer nguyên vẹn; phần thực hành dùng dim_customer_scd2
UPDATE dim_customer SET city = 'TP.HCM', region = 'miền nam' WHERE customer_id = 'C0004';

Đơn giản, mỗi khách vẫn một dòng. Nhưng mọi đơn cũ giờ thuộc miền nam. Báo cáo doanh thu miền trung quý 2 đã gửi đầu tháng 7 (có 4 đơn completed của C0004), chạy lại hôm nay ra số nhỏ hơn. Không ai sửa đơn nào, chỉ có dimension đổi.

Triệu chứng điển hình: "Sao báo cáo tháng 3 chạy tháng này lại khác tháng trước?"

Type 1 hợp với thuộc tính mà lịch sử không quan trọng: sửa lỗi chính tả tên, chuẩn hoá số điện thoại.

Type 2: giữ nhiều phiên bản

Mỗi lần thuộc tính đổi, đóng phiên bản cũ và thêm phiên bản mới. Ba cột quản lý:

Cột Ý nghĩa
valid_from Ngày phiên bản bắt đầu hiệu lực
valid_to Ngày kết thúc; 9999-12-31 nghĩa là chưa kết thúc
is_current Có phải phiên bản hiện hành không
customer_id city region valid_from valid_to is_current
C0004 Đà Nẵng miền trung 2025-01-01 2025-06-30 false
C0004 TP.HCM miền nam 2025-07-01 9999-12-31 true

Đơn được nối với phiên bản đang hiệu lực vào ngày đặt:

JOIN dim_customer_scd2 s
  ON f.customer_id = s.customer_id
 AND f.date_key BETWEEN s.valid_from AND s.valid_to

Kết quả của C0004: 6 đơn miền trung, 4 đơn miền nam. Join chỉ với is_current thì cả 10 đơn thành miền nam, đúng như Type 1.

Cách chuẩn (Kimball) là mỗi phiên bản có một surrogate key riêng (customer_sk) và fact lưu khoá đó lúc nạp đơn. Bài này join theo khoảng ngày lúc truy vấn cho dễ thấy cơ chế.

flowchart LR
  F[10 đơn của C0004] -->|date_key ≤ 30/06| V1[miền trung · 6 đơn]
  F -->|date_key ≥ 01/07| V2[miền nam · 4 đơn]

Type 2 tốn gì

Ví dụ: Type 1 làm lệch chiến lược

Một công ty SaaS dùng Type 1 cho cột plan. Nhiều khách nâng lên Enterprise trong tháng 3; báo cáo tháng 1 chạy lại sau đó cho thấy Enterprise chiếm 60% doanh thu, trong khi thật sự chưa tới một nửa. Đội sales kết luận sai về tăng trưởng, dù không dữ liệu nào sai: chỉ lịch sử bị viết lại.

Chọn Type cho từng thuộc tính

Thuộc tính Type Lý do
Sửa lỗi chính tả tên khách 1 Tên sai không có giá trị lịch sử
Vùng của khách 2 Doanh thu theo vùng phải tính theo nơi khách ở lúc mua
Gói dịch vụ (plan) 2 Phân tích nâng/hạ gói cần biết gói tại từng thời điểm

Lệnh hay dùng

-- đóng phiên bản cũ
UPDATE dim SET valid_to = <ngày trước thay đổi>, is_current = false WHERE <khoá> AND is_current;
-- thêm phiên bản mới
INSERT INTO dim SELECT <khoá>, <giá trị mới>, <ngày thay đổi>, DATE '9999-12-31', true ...;
-- join theo lịch sử
... ON f.<khoá> = s.<khoá> AND f.date_key BETWEEN s.valid_from AND s.valid_to

Lỗi hay gặp

Học tương tác →