基于阿里云DATAWORKS整理数据模型概念

引子

年底这两个月阿里云的dataworks进行了全面升级，很多细节有了不小的变化，感觉结构更加清晰了。
例如建表这个页面：

现在可以在这里配置数据仓库表的层级，主题层级比较好理解，就是主题表的分类。而下边的物理层级应该就是指ODS,DM,DW这类分级，物理分类没有太理解，会在后边进行补充。

下面是基于这个管理界面补充一下数据模型的相关知识。

数据模型

数据模型是指实体、属性、实体之间的关系对业务概念和逻辑规则进行统一的定义，命名和编码，主要描述企业的信息需求和业务规则，是业务人员和开发人员沟通的语言，是数据仓库设计工作的第一步。数据模型可以划分为概念模型、逻辑模型、物理模型。

概念模型

从定义上来说，概念模型是最高层次的数据模型，反映了数据仓库的主要主题和重要业务之间的关系。一般来说，在进行数据仓库系统设计和开发之前，设计开发人员和业务人员已经对概念模型达成了共识，因为概念模型反映的是核心的业务问题。概念模型设计步骤如下：

从业务需求中提取重要的业务数据主题，包括对业务数据主题的详细解释；
从业务数据主题的基础上进行数据主题域的划分，包括对数据主题域的详细解释；
划分主题域概念模型：根据数据主题域的划分，细化内部的组织结构和业务关系。
概念模型建模的流程大致可以划分成如下几个部分：通过对业务系统的详细说明，进行数据的梳理，列出数据主题详细的清单，并对每个数据主题都作出详细的解释，然后经过归纳、分类，整理成各个数据主题域，列出每个数据主题域包含哪些部分，并对每个数据主题域作出详细解释，最后划分成主题域概念模型。

逻辑模型

从定义上讲，逻辑模型是以概念模型为基础，对概念模型的进一步细化、分解。