数仓的理解（一）

一、数仓的意义

1. 为什么要有数据仓库
   说起数据仓库存在的意义就必须得说企业面临的数据问题。

    结构复杂
    数据脏乱
    理解困难
    缺少历史
    总结一句话就是：多源异构、脏乱差的数据现象。
   

2. 数据仓库的价值体现

    效果
    诊断
    预警
   

二、数据体系

1. 数据体系构成
   
2. 常见技术架构
   偏离线：适用于业务初期，迅速形成数仓雏形，快速交付满足业务
   
   离线+实时：适合业务中后期，形成扩展性极强的技术架构
   
   偏实时：适合特殊业务，例如：广告、风控

三、数仓分层

1. 数仓分层&主题
   数据缓冲层：数据暂存区，只保留每天的增量数据
   数据明细层：全量数据区，采用全量表、快照表、拉链表等保存全量数据，并做基础数据的归一化处理和模型的拆解、合并，多采用ER建模
   数据衍生层：数据聚合区，多用于轻度汇总以及衍生计算，产出标准化数据，屏蔽上游业务变更对下游的影响。
   数据集市层：数据集成区，基于角色+场景构建场景化数据模型。
   数据应用层：数据交付区，提供数据服务以及数据产品的数据。

2. 建模流派的对比

   ER模型
   规范性较好，冗余小，数据集成和数据一致性方面得到重视，适用于较为大型的企业级数据规划，但缺点是业务形态需要较为稳定，且需要全面了解企业业务、数据和关系，对于建模人员要求很高，实施周期非常长。具有代表性的就是TD的FS-LDM模型。

   维度建模
   相对能快速上手，快速交付，但缺点是冗余会较多。具有普适性，适合业务形态不太稳定的阶段。

3. 数据管理的挑战

   命名规范&口径管理
   命名规范
   词根的设计，主谓宾、定状补
   表命名
   字段命名
   

   3.1口径管理
   新客数：交易新客、流量新客

   规范口径定义流程
   记录常规口径
   口径增删改的检测机制（语义分析）
   推广口径
   

   3.2 数据质量

   质量监控大盘
   
   事前
   规范
   测试
   事后
   数据监控
   异常值
   指标
   同环比
   方差、标准差
   时间序列