数据仓库分层

  在做像pv、cv类型的分析，往往借助于一张大宽表和几张维度表，所有的统计分析都基于这张大宽表与维度表。在这种简单的应用场景，这种设计没有问题且简单明了，但是如果业务场景复杂，数据种类多，维度多，那么数据仓库的设计就尤为重要，结构清晰明了的数据仓库设计将方便对问题数据进行排查。数据分层的好处：
 清晰数据结构、减少重复开发、数据血缘追踪、把复杂问题简单化、屏蔽原始数据的异常、屏蔽业务的影响，不必改一次业务就需要重新接入数据

数据仓库可分为三层：ODS层、DW层、APP层。

数据运营层：ODS（Operational Data Store）

  “面向主题的”数据运营层，也叫ODS层，是最接近数据源中数据的一层，数据源中的数据，经过抽取、洗净、传输，即 ETL 之后，装入本层。本层的数据，总体上大多是按照源头业务系统的分类方式而分类的。
  一般来讲，为了考虑后续可能需要追溯数据问题，因此对于这一层就不建议做过多的数据清洗工作，原封不动地接入原始数据即可，至于数据的去噪、去重、异常值处理等过程可以放在后面的DWD层来做。

数据仓库层：DW（Data Warehouse）

  数据仓库层从 ODS 层中获得的数据按照主题建立各种数据模型。DW层又细分为 DWD