多维模型是数据仓库设计的关键方面。 设计完善的维度模型有助于组织大量数据。 维度模型最初是为零售业创建的，分析师可在此模型中按简单维度（如产品和地域）查看业务数据。 此维度模型由一个大型中心事实表和多个较小的维度表组成。 事实表包含多个可测量的事实，如总销售额和销售量，不相交维度代表与相应行业的不同业务部门相关的属性。 中心事实表是该架构中的唯一一个表，拥有多个联接，将该表连接到多个维度表。 反之，每个维度表拥有一个联接，将它们连接到中心事实表。

根据逻辑架构的冗余度，有不同类型的多维模型。 冗余度越高，数据访问效率就越高，但这也意味着逻辑架构视图的规范化程度越低。 最常见的多维架构类型叫做星型架构。 星型架构是一种规范化的多维模型，在该架构中，其每个不相交维度以单个表来表示。

另一种类型的规范化多维模型是雪花型架构。 雪花型架构在逻辑上与星型架构相似，区别在于雪花型架构中至少有一个维度是以两个或多个在层次结构上相关的表来表示的。 如果产品维度采用多个表来表示，则星型架构可以成为雪花型架构。 例如，可以为多个主产品属性添加一个维度表，为多个品牌属性添加一个维度表，并为某一特定品牌属性添加一个维度表。

在与某一维度相关联的表中，非规范化多维模型具有重复属性。 可以快速检索某一维度的各种属性，而不必在该维度的表之间执行多次联接。