数仓实践——小米数据中台部门在销售数仓建设方面的实践

目录

一、销售数仓介绍

二、数仓建设理论

2.1 数仓建设流程

2.2 数仓分层方式

2.3 数仓建模原则

2.3.1 高内聚低耦合

2.3.2 公共逻辑下沉

2.3.3 成本与性能平衡

2.3.4  一致性

2.3.5  数据可回滚

2.4 指标管理

三、销售数仓架构介绍

3.1 离线&实时的Lambda架构

3.2 实时数据流状态过期解决方案

3.3 引入离线流带来物流指标准确性问题

3.4 实时场景下物流指标准确性修正

3.5 基于Iceberg的存储批流一体方案

四、数仓能力建设

4.1 数据架构

4.2 数仓规范

4.3 数据安全

4.4 指标应用

五、 总结与展望

六、Q&A

---

原文大佬的这篇销售数仓建设方面的实践有借鉴意义，这里摘抄下来用作学习和知识沉淀。如有侵权请告知~

一、销售数仓介绍

    首先介绍下小米销售数仓，包括发展历程、销售数仓定义、数据获取使用、销售数仓的内容和规模。在 2019年前小米数据团队在进行独立的数仓建设，这个时期是烟囱式的开发。随着业务飞速发展，开始建设统一的销售数仓。在 2020年完成了离线销售数仓的建设，并筹备实时数仓的建设。2021年实时数仓建设完毕，随着后续的业务和技术升级，进入了迭代优化和数据应用阶段。

   小米的销售数仓整体上就是存放整个公司销售数据的仓库，包括了订单数据、物流数据、门店数据、用户行为数据及商品数据，并按照维