> For the complete documentation index, see [llms.txt](https://learn.vispeahen.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://learn.vispeahen.com/veri-yonetimi/veri-modelleme/star-schema.md). # Star Schema Star Schema (Yıldız Şeması), iş zekası ve veri ambarı projelerinde en yaygın kullanılan veri modelleme yaklaşımıdır. Adını, merkezdeki ana tablonun etrafında onu destekleyen yardımcı tabloların yıldız biçiminde konumlanmasından alır. Vispeahen varsayılan olarak Star Schema modelini destekler. Bu modelde tüm veri yapısı iki farklı tablo türü üzerine kurulur: * Fact Tablo (Olgu Tablosu) — Ölçülebilir olayları ve işlemleri saklar * Dimension Tablo (Boyut Tablosu) — Fact tablosuna bağlam ve anlam katar

Star Schema yapısı: merkezde Fact tablo, çevresinde Dimension tablolar (DimTarih, DimUrunKategori, DimBolge, DimMusteri, DimKanal, DimPersonel).

### Fact Tablo Fact tablo, ölçülebilir olayların kaydedildiği ana tablodur. Her satır genellikle tek bir işlemi ya da olayı temsil eder ve sayısal değerler içerir. * Sayısal ve ölçülebilir değerler içerir (tutar, adet, süre, maliyet vb.) * Dimension tablolara bağlantı kuran yabancı anahtar (foreign key) kolonları barındırır * Satır sayısı zaman içinde sürekli büyür * Metrikler (toplam satış, ortalama süre vb.) bu tablo üzerinden hesaplanır {% hint style="info" %} Fact tablosunu “ne oldu” sorusuna cevap veren tablo olarak düşünebilirsiniz. İşlem yapıldı, sipariş geldi, başvuru alındı — bunların hepsi Fact tabloda saklanır. {% endhint %} ### Dimension Tablo Dimension tablolar, Fact tablosundaki olaylara anlam ve bağlam katan yardımcı tablolardır. “Hangi ürün kategorisi?”, “Hangi personel?”, “Hangi bölge?” gibi soruların cevabı Dimension tablolarda bulunur. * Tanımlayıcı bilgiler içerir (ad, kategori, tür, açıklama vb.) * Fact tabloya birincil anahtar (ID) üzerinden bağlanır * Satır sayısı görece azdır ve nadiren değişir * Dashboard'lardaki filtreler ve gruplama eksenleri Dimension tablolar üzerinden çalışır {% hint style="info" %} Dimension tablosunu “nasıl sınıflandırılıyor” sorusuna cevap veren tablo olarak düşünebilirsiniz. Kategori, tür, isim gibi bilgiler burada saklanır ve Fact tabloyla ilişkilendirilir. {% endhint %} ### Fact ve Dimension Tablo Karşılaştırması


Özellik	Fact Tablo	Dimension Tablo
Amacı	Ölçülebilir olayları / işlemleri saklar	Bağlam ve açıklama bilgisi sağlar
İçerik	Sayısal değerler (tutar, adet, süre...)	Tanımlayıcı bilgiler (ad, kategori, tür...)
Satır sayısı	Çok fazla — sürekli büyür	Az — nadiren değişir
Dashboard'daki rolü	Hesaplanan metrikler (toplam, ortalama vb.)	Filtreleme ve gruplama eksenleri
Örnek	Satış işlemleri, iş emirleri, başvurular	Ürün kategorisi, personel, şikayet türü

### Vispeahen'de Neden Star Schema? Star Schema'nın tercih edilmesinin başlıca nedenleri: * Sadelik: Yapı anlaşılması kolaydır; teknik ve iş kullanıcıları aynı modeli kavrayabilir. * Performans: Az sayıda JOIN gerektirdiğinden sorgular hızlı çalışır, dashboard açılış süreleri kısalır. * Filtreleme gücü: Dimension tablolar, dashboard filtrelerinin temelini oluşturur ve esnek dilim/dilimle analizine olanak tanır. * Bakım kolaylığı: Yeni bir boyut eklemek (yeni Dimension tablo) mevcut yapıyı bozmaz.

Vispeahen Models ekranında bir model genel görünümü: fact_eticaret_satis fact tablosu, DimTarih, DimUrunKategori, DimBolge ve DimMusteri dimension tablolarıyla ilişkilendirilmiş.

Örnek: DimDate, DimProductCategory ve DimBolge dimension tablolarıyla yapılandırılmış bir Join ekranı. Inner/Left join tipi seçimi ve isimlendirme standardına dikkat edin.

Join yapılarının doğru kurgulanabilmesi için Star Schema modelleme yaklaşımının anlaşılması önemlidir. Star Schema tasarımında dikkat edilmesi gereken hususlar [Star Schema Modeli Kurarken Dikkat Edilmesi Gerekenler](/veri-yonetimi/veri-modelleme/star-schema/star-schema-modeli-kurarken-dikkat-edilmesi-gerekenler.md) bölümünde detaylı olarak açıklanmaktadır. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://learn.vispeahen.com/veri-yonetimi/veri-modelleme/star-schema.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.