数仓建设流程_数仓建模全流程

注：本文转至 如何搭建一个数据仓库，仅用于个人学习，侵权删。

一、数仓概览

• 整体建设
  
• 建设过程
  
  数仓建模的过程分为业务建模、领域建模、逻辑建模和物理建模，但是这 些步骤比较抽象。为了便于落地，我根据自己的经验，总结出上面的七个步骤：梳理业务流程、垂直切分（划分主题域）、指标体系梳理、表实体关系调研、维度梳理、数仓分层以及物理模型建立。每个步骤不说理论，直接放工具、模板和案例。

二、流程详解

1.梳理业务流程

• ① 找到核心业务流程，找到谁，在什么环节，做什么关键动作，得到什么结果。如图：
  

• ②梳理每个业务节点的客户及关注重点，找到数据在哪。

2.垂直切分，划分主题域

• ①数仓的建设方式： 自下而上 和 自顶而下。自下而上,简单快捷，快速交活。要全面支撑，就顶层规划，分步实施，交活稍微慢点。
  
• ② 同时按照业务领域划分主题域。主题域的划分方法有：按业务流划分（推荐）、按需求分、按职责分、按产品功能分等。
  

3.梳理指标体系

• ① 指标的意义在于统一语言，统一口径。所以指标的定义必须有严格的标准。否则如无根之水。
• ② 指标可分为原子指标、派生指标和衍生指标，其含义及命名规则举例如下：
  

• ③ 依照指标体系建设标准，开始梳理指标体系。整个体系同样要以业务为核心进行梳理。同时梳理每个业务过程所需的维度。维度就是你观察这个业务的角度，指标就是衡量这个业务结果 好坏的量化结果。
  
• ④ 请注意，此时不能被现有数据局限。如果分析出这个业务过程应该有这个指标，但是没有数据，请标注出来，提出收集数据的需求。

4.表实体关系调研

• ① 每个业务动作都会有数据产生。我们将能够获取到的数据，提取实体，绘制ER图，便于之后的维度建模。
  

• ② 同样以业务过程为起点向下梳理，此时的核心是业务表。把每张表中涉及的维度、指标都整理出来。
  

5.维度梳理

• 维度标准化是将各个业务系统中相同的维度进行统一的过程。其字段名称、代码、名字都可能不一样，我们需要完全掌握，并标准化。

• 维度的标准尽可能参照国家标准、行业标准。例如地区可以参照国家行政区域代码。另外，有些维度存在层级，如区域的省、市、县。绝大多数业务系统中的级联就是多层级维度。

4.数仓分层

• 数据仓库一般分为4层，名字可能会不一样，但是其目的和建设方法基本一致：

• 每一层采用的建模方法都不一样，其核心是逐层解耦，减少重复计算，降低烟囱式开发。越到底层，越接近业务发生的记录，越到上层，越接近业务目标。

• 依托数仓分层的设计理论，根据实际业务场景，我们就可以梳理出整体的数据流向图。这张图会很清晰的告诉所有人，数据从那来，到哪里去，最终提供什么样的服务。

7.物理模型建立

• 此时才真正进入纯代码阶段。数仓、ETL工具选型；ETL流程开发；cube的建立；任务调度，设定更新方式、更新频率；每日查看日志、监控etl执行情况等等。

三、需要注意

1、数仓建设必须从业务中来，到业务中去；

2、数仓分层的目的是业务解耦；

3、无论哪种建模方式，其核心是业务实体；

4、按领域建设能快速交活，后遗症将会在2年之后爆发，且难以解决；

5、数仓建设应该把75%的时间投入到设计阶段，如果不是，那你就惨了；

6、数仓本身也可以迭代。

7、传统数仓并没有一种叫做“宽表模型”的模型，大数据时代新诞生的名词，因为很多大数据组件join代价极高。实际上是范式退化。

五、数据仓库工具箱

《数据仓库工具箱——维度建模指南》中，第二章总结了 维度设计的四个主要过程：

1.选择业务过程

• 业务过程是公司完成的操作型的活动，例如，获取订单，处理保险索赔、学生课程注册等等。

2.声明粒度

• 粒度用于确认某一事实事实表中的一行表示什么。粒度声明是设计必须履行的合同。每个候选维度或事实必须与定义的粒度保持一致。在同一个事实表中不要混入多种不同的粒度。

3.确认维度

• 维度提供围绕某一业务过程事件所涉及的“谁、什么、何处、何时、为什么、如何？”等等背景。

4.确认事实

• 事实涉及来自业务过程时间的度量，基本上都是以数值量表示的。