数据结构

       数据库设计的主要目标是对数据进行组织安排，便于还原。实际应用中有许多中数据库结构。第一种被称为分级网络结构，需要在记录中建立物理连接，实现多文件间的数据整合。这种需求在设计时对用户提出了不切实际的要求，因此发展出了时下正在流行的结构——关系结构。该结构的好处在于利用数据表已存在的数据元素来构成多表格的内容。结构设计时无须用户预测哪些表格需要连接。

       假如销售经理想要准备一份说明在销售员负责范围内每个客户的当年销售量的报告，而报告中包含的销售编号和姓名等信息可以从销售员表中获得。销售员编号还可以在客户表中用来确认销售员的客户。客户数据在报告主体中可以打印为一系列的数据列，包括客户编号、客户姓名和当年销售量。

       多维数据库

       关系数据库结构是目前的经营数据存储标准，并广泛用于所有规模和类型的计算机系统中。该结构对于特定的数据仓库和数据中心运转顺畅，但并不是为了处理多维度数据而专门设计的。数据维度（data dimension）就是按照一定顺序排列的一系列数据。例如，如果从客户维度看待销售记录，这些记录就是按照客户编号顺序排列的。如果从销售员维度看待同样的记录，这些记录就是按照销售员编号顺序排列的。

       经营数据的典型分析可能包括一个、两个或三个维度。例如，描述月度销售波动的报告就是一维分析。在时间维度上，销售量按照月度排列。描述客户月度销售量的报告就是二维分析（客户和时间），而描述单个客户每种产品在每年的销售量的销售报告就是三维分析（客户、产品、时间）。

       CRM用户通常只在很少的数据维度上进行分析，但是有时也会涉及较多的维度——多维分析（multidimensional analysis）。随着维度数量的增加，关系数据库结构的效率也不断下降。为了突破这一局限，软件供应商随即开发出多维数据库（multidimensional databases，MIDDBs）的数据管理系统。

       随着维度数量的增加，观察和描述数据变得更加困难。一维和二维数据可以通过表格和图示来描述，三维数据则需通过立方图描述。术语“超立方体”就是在这种情况下创造出来描述三维、多维数据的。

       三维以上的数据可以通过增加坐标的方式来描述——每一个维度对应一个纵坐标。