数据仓库(一文教你如何搭建数据仓库)

Posted 2023-05-27

篇首语：学向勤中得，萤窗万卷书。本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据仓库(一文教你如何搭建数据仓库)相关的知识，希望对你有一定的参考价值。

数仓全景图镇楼

建设过程

数仓建模的过程分为业务建模、领域建模、逻辑建模和物理建模，但是这些步骤比较抽象。为了便于落地，我根据自己的经验，总结出上面的七个步骤：梳理业务流程、垂直切分、指标体系梳理、实体关系调研、维度梳理、数仓分层以及物理模型建立。每个步骤不说理论，直接放工具、模板和案例。

找到公司核心业务流程，找到谁，在什么环节，做什么关键动作，得到什么结果。

梳理每个业务节点的客户及关注重点，找到数据在哪。

决定数仓的建设方式，快速交活，就用自下而上的建设。要全面支撑，就顶层规划，分步实施，交活稍微慢点。

同时按照业务领域划分主题域。主题域的划分方法有：按业务流划分（推荐）、按需求分、按职责分、按产品功能分等。

指标的意义在于统一语言，统一口径。所以指标的定义必须有严格的标准。否则如无根之水。

指标可分为原子指标、派生指标和衍生指标，其含义及命名规则举例如下：

依照指标体系建设标准，开始梳理指标体系。整个体系同样要以业务为核心进行梳理。同时梳理每个业务过程所需的维度。维度就是你观察这个业务的角度，指标就是衡量这个业务结果好坏的量化结果。

请注意，此时不能被现有数据局限。如果分析出这个业务过程应该有这个指标，但是没有数据，请标注出来，提出收集数据的需求。

每个业务动作都会有数据产生。我们将能够获取到的数据，提取实体，绘制ER图，便于之后的维度建模。

同样以业务过程为起点向下梳理，此时的核心是业务表。把每张表中涉及的维度、指标都整理出来。

维度标准化是将各个业务系统中相同的维度进行统一的过程。其字段名称、代码、名字都可能不一样，我们需要完全掌握，并标准化。

维度的标准尽可能参照国家标准、行业标准。例如地区可以参照国家行政区域代码。

另外，有些维度存在层级，如区域的省、市、县。绝大多数业务系统中的级联就是多层级维度。

数据仓库一般分为4层，名字可能会不一样，但是其目的和建设方法基本一致：

每一层采用的建模方法都不一样，其核心是逐层解耦。越到底层，越接近业务发生的记录，越到上层，越接近业务目标。

依托数仓分层的设计理论，根据实际业务场景，我们就可以梳理出整体的数据流向图。这张图会很清晰的告诉所有人，数据从那来，到哪里去，最终提供什么样的服务。

此时才真正进入纯代码阶段。数仓、ETL工具选型；ETL流程开发；cube的建立；任务调度，设定更新方式、更新频率；每日查看日志、监控etl执行情况等等。

前面梳理清楚了，ETL会变的非常清晰

1、数仓建设必须从业务中来，到业务中去；

2、数仓分层的目的是业务解耦；

3、无论哪种建模方式，其核心是业务实体；

4、按领域建设能快速交活，后遗症将会在2年之后爆发，且难以解决；

5、数仓建设应该把75%的时间投入到设计阶段，如果不是，那你就惨了；

6、数仓本身也可以迭代。

7、传统数仓并没有一种叫做“宽表模型”的模型，大数据时代新诞生的名词，因为很多大数据组件join代价极高。实际上是范式退化。