1.不重不漏，确保每个表都在一个域里，且只在一个域里（精确定位）
2.每个域下都可以根据需要再分子域，不限定层级（最自由方便）
3.如果分子域就不能放表，表只放在最底层的域中（树状目录管理时更方便）
4.最好保证每个域下的子域数量或表数量在20个左右（太多了不方便记忆管理，太少了没必要划分）
5.不好划分的可归类为【其它】（减少域层级数量有理由理解记忆）
6.数据团队分域可以作为分工的标准（数据不重复、分工明确、界限清晰）
7.数据团队分域后，可以决定域内表的中间命名（看到表名时可以理解更多信息）

示例：

交易域

（2）.选择业务过程

业务过程是一个不可拆分的行为事件

示例：

下单、支付、发货、确认收货

（3）.声明粒度

声明粒度意味着精确定义事实表中的一行数据表示什么，应该尽可能选择最小粒度，以此来应各种各样的需求。

示例：

订单当中的每个商品项作为下单事实表中的一行，粒度为每次。

（4）.确定维度

维度就是看事情的角度，5W1H(when、where、who、what、why、how)

示例：

时间维度、地区维度、用户维度、商品维度

（5）.确定事实

事实即业务中的度量值

示例：

订单金额、下单次数

dwd层主要做的事：

1.统一标准

字段格式命名统一，统一时间格式，单位统一

2.数据清洗

清洗掉脏数据，去除空值、过滤核心字段无意义的数据

3.维度退化

对业务数据传过来的表进行维度退化和降维。（商品一级二级三级、省市县、年月日）

3.DIM（dimension）

基于维度建模理念思想，建立整个企业的一致性维度。降低数据计算口径和算法不统一风险。

示例：

1.维度退化（雪花型退化成星型）

地区表和省份表退化为地区维度表，商品表、品类表、spu表、商品三级分类、商品二级分类、商品一级分类表退化为商品维度表，活动信息表和活动规则表退化为活动维度表。

2.缓慢变化维

直接覆盖原值、新增维度列（旧列、新列）、新增维度行拉链（2个时间戳开始时间结束时间）

4.DWS(data warehouse service)

DWS层会在DWD层的数据基础上，对数据做横向的连接，纵向轻度的聚合操作，生成一系列的中间表，提升公共指标的复用性，减少重复加工。

示例：

用户订单汇总表

用户id,商品id,当日订单数，当日退单数

5.ADS（Application Data Service）

存放数据产品个性化的统计指标数据。根据CDM与ODS层加工生成。

示例：

用户运营表

用户id,浏览次数，登陆次数，购买次数，退款次数，确认收货次数

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/笔触狂放9/article/detail/999411