超级会员免费看
本文探讨了如何判断数据模型的质量，包括完善度、复用度、规范度、稳定性、扩展性、准确性和健壮性，并提出了底成本的重要性。此外，还讨论了数据仓库的KPI设定，强调了服务业务、提高数据能力、效率和质量的目标，提出通过设计文档和业务影响来评估，例如解决的业务问题、替换原始表的频率、数据质量问题的解决等。
一、数仓模型优化-如何判断一个数据模型的好坏
1.完善度
汇总数据能直接满足多少查询需求，即应用层访问汇总层数据的查询比例
跨层引用率：ODS层直接被DWS/ADS/DM层引用的表，占所有ODS层表比例
可以快速响应业务方的需求
比较好的模型，使用方式是可以直接从该模型获取所有想要的数据的，如果DWS,ADS,DM层直接引用ODS层的表比例太大，即跨层引用率太高，则该模型不是最优，可以继续优化
2.复用度
模型引用系数：模型被读取并产出下游模型的平均数量
3.规范度
主题域归属
分层信息
脚本及任务命名规范
表命名符合规范(清晰、一致，见名知意)
字段命名是依赖于词根
4.稳定性
能否保证日常的sla（时效保障）
5.扩展性
订阅专栏 解锁全文
扫一扫
289
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
