数据模型是数据仓库的核心问题之一。很多研究表明，传统的数据模型(如关系数据模型)难以有效地表示数据仓库应用中的数据结构和语义，也难以支持OLAP的应用。由于OLAP具有多维特征，因此多维数据建模技术引起了人们的普遍关注和广泛兴趣。 随着商业竞争的日益激烈，原有的管理信息系统已经不能满足企业领导决策的需求，他们迫切需要一个高效的数据仓库系统来辅助决策。怎样在原有的管理信息系统的基础上构建数据仓库，怎样在关系数据模型的基础上构建多维数据模型的研究越来越显得重要和迫切。 本文基于这样一个现实背景，对多维数据建模的概念、目的、基本方法、关键技术、国内外研究现状进行了深入地归纳总结；对基于关系数据模型的多维数据建模方法进行了系统总结，并用形式化方法对其主要操作进行了分类描述。针对证券行业这样一个特定背景，在详细分析基于ME／R的多维数据概念建模方法的基础上，运用它对股票交易主题进行了概念建模，同时也把ME／R模型与常用的多维数据模型进行了对比；根据课题背景，对基于关系数据模型的多维数据建模方法进行了详细地阐述。在具体的建模过程中，对时间维作了一定的修正，提出了一种基于竞争机制的时间维模型，为基于时间的分析提供了更加充分的信息；同时本文也对常用的多维数据模型的结构作了改进，采用了一种称作为星族模式的结构，这种结构结合了星型模式和雪片模式的优点，同时又对各自的缺点进行了修正，并在实际中得到了很好的应用。