数据仓库为什么要分层

第一家公司的老数仓技术架构：mysql+kettle，分层s（ods）层、b层（有点记不清了，一个是取数据，一个是做拉链）、m层（根据业务设计的表：贷前loan_before、贷后loan_after，并且是拉链表_h）/a层（a_fc_analysis_user_info/a_fc_analysis_transaction_info）
第一家公司的新数仓技术架构：sqoop+hive，分成ods层（所有表都是保存历史全量快照，除了es映射的日志表）、mid层（是拉链表，org_info数据量小、变化不大）、a层（a_fc_analysis_user_info/a_fc_analysis_transaction_info）
第二家公司的数仓：建立在阿里云EMR上，分层：ods层（快照，历史保存30/60/无限大天）、dwd层（模型）、dws层（报表）、rpt层（报表）

最近在开发一个业务数据支撑的时候，我想用其他同事写好的，rpt层的数据，这样依赖要避免！正确做法是开发模型，然后尽可能的复用。当我把几个表需要的用户数据做好一张表之后，我发现rpt层的sql量大大减少，依赖关系也变得很清晰。我有点理解分层的意义了——减少冗余的sql，避免重复执行浪费资源浪费时间，同时减少从ods到rpt的依赖的层数，便于后期维护。

￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥
分割线
￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥

20201106更新
去年对分层的好处的理解是：复用。除此之外，增加其他几点，总结如下：
1.复用性：避免重复开发、重复计算，节约资源。
2.易于理解：数仓是面向分析的，分层组织数据使数据更容易理解，比如在dwd层使用星型模型/宽表，便于理解和使用。
3.加快查询：比如使用宽表，避免了多次join，可以从单表快速支持需求产出结果；将数据做预聚合（轻度汇总层），减少计算量，加快查询速度。
4.条理清晰：每一层各司其职。
5.容错性：出现错误可以根据血缘关系快速进行错误的排查。比如在azkaban，可以看到flow的执行中的job的执行情况，非常直观。