LASSIC Media らしくメディア
スタースキーマの設計方法|売上データを集計しやすく分ける考え方
監修・編集責任者:牛尾 昭昌(株式会社LASSIC 執行役員)
この記事の結論
- スタースキーマは、数値を持つファクト表を中心に、集計の切り口を持つディメンション表を周りに並べる分析用の設計です。
- 設計は、ファクト表の1行が何を表すか(粒度)を最初に決め、粒度の違うデータを同じ表に混ぜないことから始めます。
- 店舗の地域などが変わったとき、過去の実績をどちらの区分で見せるかを、列ごとに決めておきます。
※ 本記事は2026年10月時点の公式情報(省庁・公的機関、および製品やサービスを提供する事業者が公開している資料)に基づきます。
スタースキーマは、分析用のデータベースで、売上金額のような数値を記録する表(ファクト表)を中心に置き、日付・商品・店舗といった集計の切り口の表(ディメンション表)を周りに並べる設計です。BIツールを入れたのに集計の数字が合わない、データ基盤の設計書に出てくる用語が分からない、といった場面で調べる方も多いのではないでしょうか。
本記事では、ファクト表とディメンション表の分け方を図と表で示し、スノーフレークスキーマとの違い、設計の進め方、つまずきやすい点、外部に頼むときに確かめておきたい点を順に見ていきます。
目次
スタースキーマとは
データ分析の考え方を広めてきたKimball Groupは、分析用のデータを、業務で起きた出来事の数値と、それを説明する「誰が・何を・どこで・いつ・なぜ・どのように」という文脈とに分けて表すとしています。これを表の形にしたものがスタースキーマで、ファクト表と、キーでつながったディメンション表から成ります。*1
図に描くと、中心の表から線が放射状に伸びて星の形に見えることから、こう呼ばれます。2種類の表の違いは次のとおりです。
| 項目 | ファクト表 | ディメンション表 |
|---|---|---|
| 持つもの | 業務で起きた出来事の数値と、各ディメンション表へのキー | 数値に文脈を与える文字の属性 |
| 例 | 売上金額、数量 | 商品名、分類、店舗の地域 |
| 集計での役目 | 足し上げる | 絞り込む、グループに分ける |
| 1行が表すもの | 1つの出来事(レシートの明細1行など) | 1つの商品や店舗 |
Kimball Groupは、ファクト表の1行が1つの測定の出来事に対応するとし*2、ディメンション表を文字の属性を多く持つ横に広い表と説明しています。*3 Microsoftも、Power BIのガイドで、絞り込みとグループ化をディメンション表が、集計をファクト表が受け持つとしています。*4 迷う列は、足し上げる対象か、絞り込みや見出しに使うかで分けます。
スノーフレークスキーマとの違い
スノーフレークスキーマは、ディメンション表の中の階層(商品と分類など)を別の表に分けた形です。図の点線の部分がこれにあたり、分けるほど雪の結晶のように枝分かれします。*5
| 項目 | スタースキーマ | スノーフレークスキーマ |
|---|---|---|
| ディメンション表 | 1つの表にまとめる | 階層ごとに別の表に分ける |
| 集計のときの結合 | ファクト表から1回ずつ | 分けた分だけ段が増える |
| 分かりやすさ | 利用者が理解しやすい | 表が多く、たどりにくい |
| 容量 | 同じ値の繰り返しで増えることがある | 繰り返しが減る |
Kimball Groupは、平らにまとめたディメンションはスノーフレークと全く同じ情報を持つとしたうえで、利用者が理解しにくく、性能にも悪い影響を与えうるとして、スノーフレークを避けるよう勧めています。*5 Power BIのガイドも、一般には1つの表にまとめる利点が上回るとしています。*4 業務システムとの設計方針の違いは「OLTPとOLAPの違い」で、正規化の考え方は「正規化と非正規化の違い」で扱っています。
設計の進め方
Kimball Groupは、設計を次の4つの判断の順で進めるとしています。*6
- ステップ1 業務プロセスを選ぶ:販売、在庫、出荷など、数字を見たい業務の出来事を1つ選ぶ
- ステップ2 粒度を決める:ファクト表の1行が何を表すかを決める
- ステップ3 ディメンションを決める:日付・商品・店舗など、集計の切り口を決める
- ステップ4 ファクトを決める:売上金額や数量など、足し上げる数値を決める
粒度(グレイン)を先に決めるのは、候補になる列がすべて粒度と矛盾しないことを確かめるためです。Kimball Groupは、業務が記録する最も細かい単位から始めることを強く勧め、粒度の違うデータを同じファクト表に混ぜてはならないとしています。*7
売上なら、「レシートの明細1行につき1行」「レシート1枚につき1行」「店舗と日ごとに1行」のどれにするかを最初に決めます。店舗と日ごとの粒度にすると、後から商品別の数字は出せません。
履歴の持ち方とつまずきやすい点
店舗の所属地域や商品の分類のように、ディメンションの属性はゆっくりと変わります。この変化の扱い方をSCD(ゆっくり変化するディメンション)と呼び、よく使われるのは次の2つです。
| 方法 | やること | 向いている列 |
|---|---|---|
| タイプ1(上書き) | 古い値を新しい値で上書きする。過去の履歴は消える | 顧客の電話番号のように、過去の値で集計しない列 |
| タイプ2(行を足す) | 変わるたびに新しい行を足し、有効な期間を記録する | 組織や分類のように、当時の区分で見たい列 |
上書きは簡単ですが履歴を消してしまうため、集計済みの数字を計算し直す必要があります。*8 行を足す方法なら、店舗が4月に関西から中部へ移っても、3月の売上は関西のまま残ります。*9 使い分けは、Microsoftのガイドも列ごとに決めてよいとしています。*4
このほか、現場でよく起きるつまずきは次の3つです。
- ファクト表どうしの直接の結合:出荷と返品のような2つのファクト表を直接つなぐと、誤った数字が返る。それぞれ集計してから突き合わせる*10
- 表ごとに違う区分:売上と在庫で店舗の地域の区分が違うと、2つの数字を並べられない。同じディメンションを使い回す*11
- 業務のIDをそのまま主キーにする:行を足す方法では同じ店舗コードの行が複数になるため、別に連番のキー(代理キー)を付ける*12
外部に頼むときに確認しておきたい点
データウェアハウスやBIの構築を外部に頼むときは、次の点を事前に確かめておくと、後から数字が合わない事態を防ぎやすくなります。
- 粒度の文書化:ファクト表ごとに、1行が何を表すかが1文で書かれているか
- 共有するディメンション:どのディメンションを複数のファクト表で使い回すかの一覧があるか
- 履歴の扱い:組織や分類が変わったとき、過去の実績をどちらの区分で見せるかを、業務の担当者と決めているか
- 確かめ方:読み込みのたびに件数やキーのつながりを自動で確かめ、運用後も監視するか
費用の考え方は「DWH構築のコスト削減」と「データ基盤構築を外注する費用と進め方」で扱っています。
まとめ:スタースキーマで確かめておきたい3つの点
スタースキーマで確かめておきたい点は3つです。第一に、足し上げる数値はファクト表へ、絞り込みや見出しに使う属性はディメンション表へ分けること。第二に、ディメンションやファクトより先に粒度を決め、粒度の違うデータを同じファクト表に混ぜないこと。第三に、属性が変わったときに上書きするか行を足すかを列ごとに決め、業務のIDとは別の代理キーを付けることです。
よくある質問
スタースキーマとスノーフレークスキーマは、どちらを選べばよいですか
Kimball GroupもPower BIのガイドも、ディメンションを平らにまとめたスタースキーマを基本として勧めています。元のデータが細かく分かれていても、読み込みの段階で1つのディメンション表にまとめられます。
Excelで集計しているだけでも、スタースキーマは役に立ちますか
役に立ちます。数値の表と、商品や店舗の一覧表を分けてキーでつなぐ考え方は、Excelのピボットテーブルや、Power BIのようなBIツールでもそのまま使えます。集計の切り口を増やしても、表を作り直さずに済みます。
日付のディメンション表は作るべきですか
Microsoftのガイドは、スタースキーマで最もよく見かける表が日付のディメンション表だとしています。週や会計期間、祝日かどうかを列に持たせておけば、集計のたびに計算せずに済みます。
スタースキーマの設計とデータ基盤構築のご相談
元請(プライムベンダー)として、スタースキーマの設計や読み込み処理の実装から、データ基盤の開発と保守・運用までご提案します。
2006年の創業以来、一次請けのシステムインテグレーターとして、企業のシステム開発と保守・運用を受託してきました。
出典
- *1 参考:Kimball Group「Star Schemas and OLAP Cubes」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/star-schema-olap-cube/)。出典:次元モデルを測定値と「誰が・何を・どこで・いつ・なぜ・どのように」の文脈に分けること、スタースキーマがファクト表と主キー・外部キーでつながったディメンション表から成ることの説明を参照(2026年10月確認)
- *2 参考:Kimball Group「Fact Table Structure」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/fact-table-structure/)。出典:ファクト表が測定の出来事の数値と各ディメンションの外部キーを持つこと、最も細かい粒度では1行が1つの出来事に対応することの説明を参照(2026年10月確認)
- *3 参考:Kimball Group「Dimension Table Structure」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/dimension-table-structure/)。出典:ディメンション表が値の種類の少ない文字列の属性を多く持つ横に広い非正規化の表であること、絞り込みとグループ化の対象になることの説明を参照(2026年10月確認)
- *4 参考:Microsoft Learn「Understand star schema and the importance for Power BI」(https://learn.microsoft.com/en-us/power-bi/guidance/star-schema)。出典:ディメンション表とファクト表の分類、粒度の例(毎月1日の日付と商品の売上目標)、SCDタイプ1・2、スノーフレークディメンションを1つの表にまとめる利点と注意点の記述を参照(2026年10月確認)
- *5 参考:Kimball Group「Snowflaked Dimensions」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/snowflake-dimension/)。出典:スノーフレークの成り立ち、平らなディメンションと同じ情報を持つこと、利用者の理解と性能の面から避けるべきとする記述を参照(2026年10月確認)
- *6 参考:Kimball Group「Four-Step Dimensional Design Process」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/four-4-step-design-process/)。出典:業務プロセスの選択、粒度の宣言、ディメンションの特定、ファクトの特定の4つの判断を参照(2026年10月確認)
- *7 参考:Kimball Group「Grain」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/grain/)。出典:粒度をディメンションやファクトより先に宣言する理由、原子的な粒度から始める勧め、異なる粒度を同じファクト表に混ぜない原則を参照(2026年10月確認)
- *8 参考:Kimball Group「Type 1: Overwrite」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/type-1/)。出典:タイプ1は上書きで履歴を消すこと、集計済みのファクト表やOLAPキューブの再計算が要ることを参照(2026年10月確認)
- *9 参考:Kimball Group「Type 2: Add New Row」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/type-2/)。出典:タイプ2は新しい行と新しい代理キーを足すこと、有効開始日・有効終了日・現在の行の印の3列を参照(2026年10月確認)
- *10 参考:Kimball Group「Multipass SQL to Avoid Fact-to-Fact Table Joins」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/multipass-sql/)。出典:ファクト表どうしを外部キーで直接結合すると結果の行数を制御できず誤った結果が返ること、ドリルアクロスの方法を参照(2026年10月確認)
- *11 参考:Kimball Group「Conformed Dimensions」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/conformed-dimension/)。出典:適合ディメンションの定義と、複数のファクト表で使い回すことの利点を参照(2026年10月確認)
- *12 参考:Kimball Group「Dimension Surrogate Keys」(https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/dimension-surrogate-key/)。出典:業務システムのキーを主キーにしない理由、1から順に振る整数の代理キー、日付のディメンションの例外を参照(2026年10月確認)