【大数据离线项目五：什么是维度？什么是指标？指标有哪几种分类？电商的业务中有几种需求呢？我们如何把这些需求通过数仓的层级完全展示出来？跟随这篇文章解决心底的疑问！！！】

前言：
💞💞大家好，我是书生♡，今天主要和大家分享一下什么是维度？什么是指标？指标有哪几种分类？电商的业务中有几种需求呢？我们如何把这些需求通过数仓的层级完全展示出来？跟随这篇文章解决心底的疑问。
💞💞代码是你的画笔，创新是你的画布，用它们绘出属于你的精彩世界，不断挑战，无限可能！

个人主页⭐： 书生♡
gitee主页🙋‍♂：闲客
专栏主页💞：大数据开发
博客领域💥：大数据开发，java编程，前端，算法，Python
写作风格💞：超前知识点，干货，思路讲解，通俗易懂
支持博主💖：关注⭐，点赞、收藏⭐、留言💬

1. 什么是维度，指标

• 维度

定义：

维度是度量的环境，用来反映业务的一类属性。这类属性的集合构成一个维度，也可以称为实体对象。
维度属于一个数据域，如地理维度（包括国家、地区、省、城市等）、时间维度（包括年、季、月、周、日等），商品的种类也是一个维度。

特点：

维度是维度建模的基础和灵魂。在维度建模中，将度量称为“事实”，将环境描述为“维度”。
维度是用于分析事实所需要的多样环境。例如，在分析交易过程时，可以通过买家、卖家、商品和时间等维度描述交易发生的环境。
维度所包含的表示维度的列，称为维度属性。维度属性是查询约束条件、分组和报表标签生成的基本来源，是数据易用性的关键。

• 指标

定义：

指标是在大数据分析过程中用来衡量和评估数据价值的量化标准。 它可以是各种数据的度量，如数据量、数据质量、数据速度、数据价值等。

作用：

通过对大数据指标的分析，企业可以更好地了解数据的特征、趋势和规律，进而为业务决策提供依据。
指标有助于企业更深入地了解数据，并从中获取商业价值。

2. 指标分类

指标分类：指标有原子指标，派生指标，衍生指标三种类型。

• 原子指标

原子指标基于某一业务过程的度量值，是业务定义中不可再拆解的指标，原子指标的核心功能就是对指标的聚合逻辑进行了定义。可以得出结论，原子指标包含三要素，分别是业务过程、度量值和聚合逻辑。
例如订单总额就是一个典型的原子指标，其中的业务过程为用户下单、度量值为订单金额，聚合逻辑为sum()求和。

• 派生指标

派生指标基于原子指标，在原子指标的基础上加了各种限定。与原子指标不同，派生指标通常会对应实际的统计需求。
如：每天，每年的订单金额，销售金额 都是属于派生指标。

• 衍生指标

衍生指标是在一个或多个派生指标的基础上，通过各种逻辑运算复合而成的。
例如比率、比例等类型的指标。衍生指标也会对应实际的统计需求。

3. 电商的业务需求

因为我们的项目是基于电商行业进行数据处理，分析的。因此我们的业务需求也是我们在日常开发中最容易见到的集中需求。

• 销售业务
• 会员业务
• 供应链业务
• 商城需求

现在我们分开详细讲讲这几个业务需求。

3.1 销售业务需求

3.1.1 业务流程

销售主要分为2部分：线上销售和线下销售
线下销售/退款流程题如图示：

线上销售/退款流程题如图示：

需要全面分析线上线下的销售情况，包括销售、取消、退款的金额、成本、单量、SKU以及活动的情况。
注意点:

• 成本指标, 只能在库存处理之后才能获得
• 商品下单, 仅为预占库存, 只有当订单完成时, 才会真正扣减
• 商品进货的每批次的成本价格均有所不同, 为保证成本准确性,只有在扣减库存时才能拿到对应批次的成本, 所以要想获取商品成本只能在库存处理之后才能获得
• 对于线上订单从下单到完成的数据间隔可能会比较长, 如果只从核销维度来统计数据, 延迟性会非常高, 所以, 还需要从售卖维度来统计数据

故: 销售主题按照时间维度分为核销(扣减库存)和售卖(订单下单)两个需求。

3.1.2 原子指标

核销主题：

售卖主题：

3.1.3 衍生指标

3.2 会员业务需求

  因为电商新零售业务，包括线上和线下，所以会员也分为线上会员和线下会员。线下会员，类似商店的的VIP卡，可以在线下购物时享受积分和折扣，还可以进行充值，所以线下会员也叫实体卡会员。线上会员，即在平台上注册的会员。因为线上业务是门店大力推广的方向，也是资本看好的板块，并且可以通过线上渠道进行运营和迭代，所以这里重点分析线上会员。

   主要统计会员的注册、消费、充值、余额情况。注意线上会员也可以在线下消费，使用相同的手机号即可。

3.2.1 原子指标

3.2.2 衍生指标

3.3 商城需求

  在这里，商城需求指的是对商城的访问日志进行分析，主要是流量数据和交易数据。如何评价线上平台的好坏，UV/PV/新访客数量/跳出数/浏览时长等都是非常重要的指标。如何提高平台的运营效果，就是要从各环节进行优化，比如首页展示、商品详情、商品加购、商品结算等，通过绘制转换漏斗，找到薄弱环节，进行专项提高和突破，所以需要计算各环节的具体指标。具体指标如下。

3.3.1 原子指标

3.3.2 衍生指标

3.4 供应链业务需求

3.4.1 业务流程

   要求计算：库存的数量、金额、SKU、周转、动销、损耗数量和金额、盘点差异以及要货、收货、配送、退货、退配、调入、调出、系统调整的数量和金额。
要货到货流程：
商品调拨流程:

3.4.2 原子指标

3.4.3 衍生指标

4. 核销主题需求

我们的核销主题需求需要用到多少张表呢？

假设产品经理给我们一些需求
商品需求

• 需求1: 根据 时间, 城市, 商品的第一类别, 商品的第二类别, 商品的第三类别, 商品 统计 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额

• 需求2: 根据 时间, 城市, 门店, 商品的第一类别, 商品的第二类别, 商品的第三类别, 商品 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额

• 需求3: 根据 时间, 城市, 门店, 商品的第一类别, 商品的第二类别, 商品的第三类别 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额

• 需求4: 根据 时间, 城市, 门店, 商品的第一类别, 商品的第二类别 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额

• 需求5: 根据 时间, 城市, 门店, 商品的第一类别 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额

门店需求

• 需求6: 根据 时间, 城市, 门店 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数

• 需求7: 根据 时间, 城市 统计
  销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数

门店营销情况

• 需求8: 根据 时间, 城市, 门店, 销售渠道 统计 订单量、退款订单量、取消订单量、商品销售金额、商品销售成本、商品折扣金额

门店经营

• 需求9: 根据 时间, 城市, 门店, 是否日清商品 统计
  销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额

• 需求10: 根据 时间, 城市, 门店, 第一类别, 是否日清商品 统计
  销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额

4.1 商品销售情况(已核销)分析

需求：了解不同城市，各个门店以及各个品类商品每天的销售情况（已核销）

看这个需求，要分析不同城市每个门店的商品销售情况

关键词：不同城市（区域），每个门店（区域），每天 （时间），商品，销售

那些是维度：区域（城市，门店），时间 （天），商品种类（各个商品，一级，二级，三级种类）

指标是什么：销售情况，那么就包含所有关于销售的。比如：金额，商品，成本。

指标：销售单量、销售数量、销售金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额

粒度：
什么是粒度：通俗点讲就是我们以什么为单位去进行计算，是以天，小时，还是季度？区域是以城市还是门店去计算。

时间维度（天、下钻至刻）、区域维度（城市、门店）、类别维度（商品、第一品类、第二品类、第三品类）

4.2 经营情况(已核销)分析

需求：了解不同城市，各个门店每天的销售情况（已核销）

分析的是：不同城市每个门店的每天的销售

关键词：不同城市（区域），每个门店（区域），每天 （时间）

维度： 时间、区域

经营情况是包含线上和线下的，因此我们的指标中也应该有线上和线下的。

指标：
销售单量、销售数量、销售金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数

粒度： 时间维度（天，下钻至刻）、区域维度（城市、门店）

4.3 门店营销情况(以核销)分析

需求：解各个门店营销情况，包括不同销售渠道（已核销）的销售情况以及日清活动的效果。【日清活动指的是，为了保证果蔬的新鲜度，一些商品当日出清，为了能出清商品，会采用打折的方式出售，并且随着时间的推移，越晚折扣越低。】

关键词：每个门店，不同渠道吗，销售情况，日清

维度：门店 （区域），商品种类，订单渠道

指标：销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、线上销售金额、线下销售金额、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、订单量、退款订单量、取消订单量、商品销售金额、商品销售成本、商品折扣金额

5. 核销主题数仓建设

我们的建设一共有5层，ods，dwd，dwm，dws，ads层。

ods层主要是存储源数据的，因此不需要改变。

我们建设的只有，dwd，dwm，dws，ads层。

因为我们的数仓建设，秉持着从下而上，也就是需求的ads出发到dwd层。

5.1 Ads层建设

5.1.1 商品销售情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
ADS层: 数据应用层 (基于DWS层细化指标进行上卷统计计算)

需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额
维度: 时间维度（天、下钻至刻）、区域维度（城市、门店）、类别维度（商品、第一品类、第二品类、第三品类）

ADS相关表:  基于天进行上卷针对区域维度和类别维度进行统计

统计每天各个门店各个商品的相关指标:  门店商品销售天表
统计每天各个城市各个商品的相关指标:  城市商品销售天表
统计每天各个门店第一品类的相关指标:  门店第一品类分析天表
统计每天各个门店第二品类的相关指标:  门店第二品类分析天表
统计每天各个门店第三品类的相关指标:  门店第三品类分析天表

ADS表字段组成: 维度字段 + 指标结果字段

5.1.2 经营情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
ADS层: 数据应用层 (基于DWS层细化指标进行上卷统计计算)

需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数
维度: 时间维度（天，下钻至刻）、区域维度（城市、门店）


ADS相关表:  基于天进行上卷针对区域维度进行统计

统计每天各个门店的相关指标: 门店经营分析天表

统计每天各个城市的相关指标: 城市经营分析天表


ADS表字段组成: 维度字段 + 指标结果字段

5.1. 3 门店营销情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
ADS层: 数据应用层 (基于DWS层细化指标进行上卷统计计算)

需要计算的指标和维度:
销售情况指标:订单量、退款订单量、取消订单量、商品销售金额、商品销售成本、商品折扣金额
销售情况维度: 销售渠道

日清活动指标:销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、
线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额
日清活动维度:区域维度（门店）、品类维度（第一品类）


ADS相关表:  基于天分别统计销售渠道, 以及区域和品类

统计每天各个门店各个销售渠道的相关销售指标: 门店销售渠道分析天表
统计每天各个门店第一品类相关日清商品活动指标: 门店品类日清商品分析天表
统计每天各个门店相关日清商品活动指标: 门店日清商品分析天表


ADS表字段组成: 维度字段 + 指标结果字段

商品销售情况
        门店商品销售天表: ads_goods_store_goods_statistics_day_i
        城市商品销售天表: ads_goods_city_goods_statistics_day_i
        门店第三品类销售天表: ads_category_store_third_category_statistics_day_i
        门店第二品类销售天表: ads_category_store_second_category_statistics_day_i
        门店第一品类销售天表: ads_category_store_first_category_statistics_day_i
                       
经营情况
        门店经营分析天表: ads_store_manage_statistics_day_i
        城市经营分析天表: ads_store_city_manage_statistics_day_i

门店营销情况
        门店销售渠道分析天表: ads_marketing_store_source_type_day_i
        门店品类日清商品分析天表: ads_marketing_store_category_clean_data_day_i
        门店日清商品分析天表: ads_marketing_store_clean_data_day_i

5.2 Dws层

5.2.1 商品销售情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWS层: 数据服务层 (进行最细粒度的统计分析工作)


需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、
线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额
维度: 时间维度（天、下钻至刻）、区域维度（城市、门店）、类别维度（商品、第一品类、第二品类、第三品类）

DWS相关表:  进行最细粒度统计  刻+门店+商品

统计每天每刻钟各个门店各个商品的相关指标: 门店商品分析刻表 

DWS表字段组成: 维度字段 + 指标结果字段 (注意由于是最细粒度, 其上卷维度的字段也会包含)

5.2.2 经营情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWS层: 数据服务层 (进行最细粒度的统计分析工作)


需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数
维度: 时间维度（天，下钻至刻）、区域维度（城市、门店）


DWS相关表:  基于最细粒度统计  刻 + 门店

统计每天每刻钟每个门店的相关指标: 门店经营分析刻表



表字段的组成: 维度字段 + 指标结果字段 (注意由于是最细粒度, 其上卷维度的字段也会包含)

5.2.3 门店营销情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWS层:  数据服务层 (进行最细粒度的统计分析工作)


需要计算的指标和维度:
销售情况指标:订单量、退款订单量、取消订单量、商品销售金额、商品销售成本、商品折扣金额
销售情况维度: 销售渠道

日清活动指标:销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额
日清活动维度:区域维度（门店）、品类维度（第一品类）


说明:
   1- 针对销售情况来说, 维度仅一个销售渠道统计, 顾不需要DWS层, 直接放入ADS即可
   2- 日清活动相关指标及其维度, 其实在前序的商品销售情况统计中均已包含

结论: 不存在DWS层对应表

门店商品分析刻表: dws_goods_store_goods_statistics_quarter_i
门店经营分析刻表: dws_store_manage_statistics_quarter_i

5.3 Dwm层

5.3.1 商品销售情况

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWM层: 数据中间层 进行提前聚合, 对指标进行小聚合形成小宽表

需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售数量、线下销售数量、线上销售成本、线下销售成本、损耗金额/数量、收货数量/金额（收货-退货-退配+调入-调出）、要货数量/金额
维度: 时间维度（天、下钻至刻）、区域维度（城市、门店）、类别维度（商品、第一品类、第二品类、第三品类）

DWM层目的和作用: 在DWS层, 我们进行全局汇总最细粒度计算, 但由于指标太多, 直接合并涉及的表也会比较多, 关联难度会比较高。为了降低后续开发难度, 我们特设立DWM层(数仓中间层), 在此层我们主要进行轻度汇总工作, 对指标进行分类, 把相关的指标合并到一个结果表, 并按照最细粒度进行计算

DWM相关表:  基于最细粒度, 对指标分类有销售相关指标  损耗相关指标 要货相关指标和收货相关指标

统计每天每刻钟各个门店各个商品的相关销售指标: 门店商品销售明细表

思考: 为什么销售指标, 不提前聚合了, 而是仅仅将所有与销售相关指标字段以及维度字段全部汇总在一个表中?
        原因: 
                销售指标涉及的多, 不仅仅在销售需求中, 在门店经营中以及营销需求中均涉及到销售指标
                而且,在计算的时候, 维度相对比较独立: 
                        对于销售需求和经营需求,涉及的维度: 时间(天和刻)、 区域(城市、门店) 、 品类(商品, 第一品类,第二品类,第三品类)
                        对于营销需求部分, 涉及的维度: 销售渠道  
                        两部分维度基本没有关联,无法直接在DWM层进行
        解决方案: 在DWM层不做聚合操作, 而是将所有涉及维度以及指标的字段全部汇总合并到一个表中, 后续根据哪些维度计算, 你就基于哪些来分组即可

统计每天每刻钟各个门店各个商品的相关损耗指标: 门店商品损耗刻表
统计每天每刻钟各个门店各个商品的相关要货指标: 门店商品要货刻表
统计每天每刻钟各个门店各个商品的相关收货指标: 门店商品要货刻表

DWM表字段组成: 维度字段 + 指标结果字段 (注意由于是最细粒度, 其上卷维度的字段也会包含)

5.3.2 经营情况

注意: 经营情况相比商品销售情况多了会员部分和余额部分
可以提前在建 门店商品销售明细刻表 基础上添加会员,余额部分,这样本层就可以少建一个表
本层 门店商品销售明细表中 将直接把会员,余额部分添加到表中
数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWM层:  数据中间层 进行提前聚合, 对指标进行小聚合形成小宽表

需要计算的指标和维度:
指标: 销售单量/数量/金额、折扣金额、销售成本、余额支付金额、取消商品销售金额、退款商品销售金额、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额、线上会员单量、实体卡会员单量、线上会员销售金额、实体卡会员销售金额、线上会员销售成本、实体卡会员销售成本、线上会员下单人数、实体卡会员下单人数、使用余额销售金额、使用余额单量、使用余额的销售成本、使用余额的下单人数
维度: 时间维度（天，下钻至刻）、区域维度（城市、门店）

说明:
    1- 目前指标中大部分的指标在商品销售情况已经统计过了, 相对于当前更加细粒度
    2- 关于会员部分, 在商品销售明细中添加会员信息即可满足后续上卷计算
    3- 关于使用余额部分, 在商品销售明细中, 添加订单支付明细信息, 满足后续上卷计算
结论: 经营情况部分不需要单独设立DWM层

5.3.3 门店营销情况

注意: 门店营销情况相比商品销售情况多了销售渠道部分和日清部分
可以提前在建 门店商品销售明细刻表 基础上添加销售渠道部分和日清部分,这样本层就可以少建一个表
本层 门店商品销售明细表 中将直接把销售渠道,日清部分添加到表中

数仓建设分析:  采用自下而上、基于需求、逐层分析出每一层工作内容
DWm层:   数据中间层 进行提前聚合, 对指标进行小聚合形成小宽表

需要计算的指标和维度:
销售情况指标:订单量、退款订单量、取消订单量、商品销售金额、商品销售成本、商品折扣金额
销售情况维度: 销售渠道

日清活动指标:销售SKU数、销售单量、销售数量、销售金额、折扣金额、销售成本、销售利润、线上单量、线下单量、线上销售金额、线下销售金额、线上销售成本、线下销售成本、损耗金额、收货金额（收货-退货-退配+调入-调出）、要货金额
日清活动维度:区域维度（门店）、品类维度（第一品类）

说明:
    1- 目前指标中大部分的指标在商品销售情况已经统计过了, 相对于当前更加细粒度
    2- 关于销售渠道在商品销售明细中可以包含渠道来源信息即可
    3- 关于日清数据, 可在商品销售明细中包含是否日清标记, 便于后续上卷计算
结论: 门店营销情况部分不需要单独设立DWM层

门店商品销售明细刻表: dwm_sold_goods_sold_dtl_i
门店商品损耗刻表: dwm_stock_store_goods_loss_quarter_i
门店商品收货刻表: dwm_order_store_goods_receipt_quarter_i
门店商品要货刻表: dwm_order_store_goods_require_quarter_i

5.4 Dwd层

建表理念：
1- 将相关的表进行合并操作:
事实表中多个事实表之间有关联, 一般是必须合并的
事实表和维度表合并操作: 和有关联的维度表进行合并
2. 如果事实表和其他的表没有关联, 此时尝试和维度表合并即可
注意: 如果维度表都没有, 无需合并, 进行清洗过滤即可

• 门店销售明细宽表 dwd_sale_store_sale_dtl_i
  

• 线上余额支付明细表 dwd_sale_shop_sale_balance_pay_i
  

• 商城订单表(核销表) dwd_sold_shop_order_i
  

• 商城订单明细表(核销表) dwd_sold_shop_order_item_i
  

• 商城订单核销明细宽表 dwd_sold_shop_order_dtl_i
  

• 门店库调表 dwd_stock_store_stock_adj_i
  

• 门店收货表 dwd_order_store_receive_i
  

• 门店退货表 dwd_order_store_return_to_vendor_i
  

• 门店退配表 dwd_order_store_return_to_dc_i
  

• 门店调入表 dwd_order_store_alloc_in_i
  

• 门店调出表dwd_order_store_alloc_out_i
  

• 门店要货表 dwd_order_store_require_i