在做数据分析、建数据仓库的时候，你有没有遇到过这种情况：
“客户搬家了，城市字段要改；职位升了，Title 字段也要改；但我又不想把历史数据给弄丢了！”
这时候你就需要用到一个很重要的概念：SCD（Slowly Changing Dimension，慢变维）。
🧠SCD 是什么？
SCD 的意思是：维度表里的某些字段会慢慢发生变化，我们要决定怎么处理这些变化。
比如你有一个客户表，里面有客户的名字、城市、职位等信息。客户搬家了、改名字了，这些字段就变了。那你是直接改掉呢？还是保留历史记录？这就是 SCD 要解决的问题。
🧱维度表是啥？
维度表就是那种描述性的表，比如：
-
客户表（Customer） -
产品表（Product） -
员工表（Employee）
这些表里的字段通常是用来做筛选、做图表轴的，比如“按城市看销售额”、“按职位看员工人数”。
🔧SCD 有哪些类型？
SCD 一共有 7 种类型，但常用的就前面几种，下面我用口语化方式给你讲讲：
🟢Type 0：啥都不改
意思是：这个字段不能变！比如客户 ID，如果变了说明系统有问题，直接拒绝改动。
ETL 操作：啥都不用做，最简单
🟡Type 1：直接改掉
比如客户改了名字，但我们只关心最新的名字，不在乎历史记录，那就直接更新字段。
ETL 操作：UPDATE 或者 DELETE + INSERT。
很多人其实已经在用 Type 1，只是没意识到而已。
🔵Type 2：保留历史记录（最常用）
比如客户从纽约搬到伦敦，我们希望保留他在纽约时的记录，也记录他现在在伦敦的状态。
做法是：新增一条记录，加上两个字段：
FromDate：这条记录开始生效的时间ToDate：这条记录结束的时间（当前记录是 NULL）
ETL 操作：先更新旧记录的 ToDate，再插入新记录。这个过程叫 UPSERT。
🟠Type 3：只保留上一次的值
比如我们只关心客户现在和上一次的职位，不需要完整历史。
做法是：加两个字段：
-
当前值 -
上一次值
ETL 操作：把当前值移到“上一次值”字段，再更新当前值。
🟣Type 4：历史记录单独放一张表
Type 2 会让维度表越来越大，Type 4 的做法是：
-
当前值放在维度表 -
历史值放在另一张表
ETL 操作：更新维度表，同时插入历史表。
这种方式更干净，但 ETL 稍微复杂点。
⚫Type 5、6、7：混合型（了解即可）
-
Type 5：Type 4 + Type 1 -
Type 6：Type 1 + 2 + 3 -
Type 7：在事实表里同时存 Surrogate Key 和 Natural Key，方便查历史
这些类型比较复杂，实际项目里不常用，了解一下就行。
📚实际应用案例：员工职位变动追踪
假设你在一家大型制造企业工作，HR 系统里有一张员工维度表，字段包括：
-
员工编号（EmployeeID） -
姓名（Name） -
部门（Department） -
职位（Title） -
入职时间（StartDate）
现在有个业务需求：我们需要知道某个员工在不同时间段担任过哪些职位。
如果你用的是 Type 1（直接更新），那员工职位一变，原来的记录就没了，历史分析就做不了。
比如：
|
|
|
|
|---|---|---|
|
|
|
|
张三升职为“高级工程师”后，记录变成：
|
|
|
|
|---|---|---|
|
|
|
|
原来的“工程师”记录就丢了。
✅解决方案：用 Type 2（保留历史）
我们改造一下维度表，加上这些字段：
-
SurrogateKey（唯一标识每条记录） -
FromDate（这条记录开始生效的时间） -
ToDate（这条记录结束的时间）
变成这样：
|
|
|
|
|
|
|
|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这样你就可以：
-
查出张三在 2022 年是工程师 -
查出他在 2023 年升职了 -
做时间序列分析，比如“每年各职位人数变化”
🛠在 Microsoft Fabric 里怎么实现？
你可以用以下方式实现 Type 2：
-
用 Dataflow Gen2 或 Notebook 做 UPSERT 操作 -
把维度表存到 Lakehouse 或 Warehouse -
在 Power BI 里用 FromDate和ToDate做时间切片分析
这样既满足了业务分析的需求，又保留了完整的历史记录。
✅总结一句话
SCD 就是处理维度表字段变化的策略，决定你要不要保留历史记录。
-
Type 1：直接改 -
Type 2：保留历史 -
Type 3：只保留上一次 -
Type 4：历史单独存 -
Type 0：不改 -
Type 5/6/7：混合型
在实际项目中，Type 1 和 Type 2 是最常用的。搞清楚这些类型，你的数据仓库就能更稳、更准、更灵活！