数据建模经验总结

主题域

主题域比较抽象，可以理解成我们要分析业务的范围，实际开发中接触更多的是主题，一个主题对应一个单独的模型，一个模型则有多个实体，多个维度、多个度量。

 

主题

主题就是我们要分析的对象，业务关心数据实体，比如我们的订单主题、用户客户主题、渠道主题、流量主题、企业主题、产品主题、销售主题、财务主题、活动大赛主题等

一个主题：包含要统计的度量、分析度量的维度、数据调度周期、存放时间等，举个例子：

比如：销售主题：度量就是销售额度；分析维度：日期（日月季年）、地区维度、渠道维度、销售方维度

再比如：订单主题：度量就是订单金额；分析维度：日期维、区域维、渠道维、商城维、产品类型维、订单类型维

调度周期按天、永久存储。

 

如何进行数据建模

数据建模实际上就是数据分析、业务梳理的过程，搞清楚两个东西、第一、我们有哪些数据？存在哪些地方，第二我们用这些数据干啥？分析哪些方向的数据，从哪些角度来分析？分析清楚之后模型基本就明确了。

对对象属性、公有的属性进行提取，保障模型的兼容性和灵活性，上层业务变更不会影响我底层模型的调整。

 

数据仓库建模方法

维度建模、星型建模、多维建模

以业务为中心，充分分析数据、对业务划分、确定主题以及主题分析的度量，然后在确定分析度量的角度或者维度，

举个例子：以订单金额为度量，通过多个维度对金额进行分析，度量+维度构成了我们的主题

好的书模型可以减少计算成本、提高数据链路的执行效率

 

如何应对业务逻辑频繁变更？

模型灵活性兼容性设计了

设计模型的时候提取公用的属性、不变的属性，同时减少模型间的耦合、减少模型之间的重合