数据模型优化(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

新增加的模型是否和老的模型出现冲突

6.准确性&一致性

输出的指标数据质量能够保证

7.健壮性

业务快速更新迭代的情况下不会太影响底层模型

8.底成本

• 计算时间成本
• 计算资源成本
• 存储成本

总结

• 完善度，复用度，规范度基本上是需要了解业务，然后根据元数据信息去做统计分析的
• 稳定性，低成本是需要对任务进行优化，比如sql调优等
• 准确性和一致性是需要一套质量管理系统及指标一致性管理方案的，包括数据源，口径和指标管理平台等