大数据服务模型设计：默默无闻的贤内助

本文摘自：李福东《大数据运营-服务型企业架构新思维》3.4

编者按：行成于思而毁于随，面向操作的数据模型侧重对“行”的支持，而面向分析的数据模型则侧重对“思”的支持。

为了便于看到数据从形成、聚集、整合、使用的全过程，我们从面向操作的数据模型和面向分析的数据模型两个阶段分别设计。

从面向操作的数据模型到面向决策的数据模型的转化过程如图3-4-1所示：

 

图3-4-1数据从面向操作环境到面向分析的环境的转化

从图3-4-1可以看出，操作型数据来源于事务型应用，这些数据会存储在支撑事务型应用的数据库之中，来自不同来源的数据会汇聚到数据仓库，然后通过ETL等工具和手段，形成面向不同主题的数据集市。

以电信运营商为例，在面向操作的事务型应用会记录客户以及客户的订购数据，如果再加上客户的业务使用数据,就可以形成一个以客户为中心的、360度的数据集合，通过数据的分类聚合，可以帮助企业全面的看到客户从咨询、订购、支付、使用、申告、投诉、建议的全过程，从而达到帮助企业决策的目的。

按照数据服务的目的，将数据模型分为面向操作的数据模型和面向分析的数据模型。面向操作的数据模型主要支撑企业完成数据的增加、删除、修改、查询等操作，帮助企业完成建设、生产、运营以及内部管理等任务。而面向分析的数据模型主要完成对不同主题、不同维度统计分析功能的支持。

可见，面向操作的数据模型侧重对“行”的支持，而面向分析的数据模型则侧重对“思”的支持。“行成于思而毁于随”，没有行动则思考没有素材，没有深刻的思考则行动很可能会偏离方向，企业需要统一“行”和“思”。

从数据模型对企业应用的支撑层次，将数据模型分为战略模型、战术模型和操作模型，如图3-4-2所示：

 

图3-4-2战略、战术、操作三个层次的数据模型

在战略层面，面向分析的数据模型支撑企业高层管理人员完成战略制定工作，包括工厂选址、渠道选址、兼并与收购规划、投融资规划、环境影响分析、非常规资金预算等。

在战术层面，面向分析的数据模型支撑企业的中层干部完成管理工作，包括市场营销计划、销售计划、客户服务计划、人力资源计划、财务预算等。

在操作层面，面向分析的数据模型服务于企业的日常生产经营活动，包括个人贷款授信、生产进度安排、库存控制、维护计划、质量控制等。

面向操作数据模型与面向分析的数据模型好比汽车发动机和油门/刹车之间的关系。面向操作的数据模型好比汽车发动机，保证的正常运行、转弯，而面向分析的数据模型则好比司机根据路况确定踩油门或者刹车一样，两种必须配合起来，才会保障企业的业务活动有序进行。

（本文摘自：李福东《大数据运营-服务型企业架构新思维》3.4，经作者授权转发，图片来自网络）