[手起刀落]数据产品经理之数据仓库

接触“数据产品经理”这个概念的时候，我还在找工作，跨专业、跨城市、跨人格的来到上海进行简历海投；很庆幸，过了九九八十一难之后，今天真的成了一位数据产品经理。

很多人都会问，数据产品经理到底是干什么的？对数据产品经理，我是这样理解的，遵循“所见即所得”：数据产品经理=产品经理+懂点数据。那这样拆分就好解释了，这岗位需要具备推进开发，迭代产品和协调日常人员的工作的能力外还需要懂一点数据，然后就按照日常计划，该上班上班，该泡妞泡妞。所以这个岗位的薪资也会高一些，这和岗位的产出成正比，我，每天几乎会做两个岗位的事。

如果你也想慢慢成长，有朝一日成为一枚数据产品，接下来的内容是最通俗易懂的启蒙知识。

数据仓库

这是数据产品经理从业是最关心也是最核心的概念，因为数据产品经理的一切工作，都是以它为基础的。

本文的结构如下：

• 什么是数据仓库
• 数据仓库和数据库的区别
• 数据仓库的分层
• 数据模型
• 总结

什么是数据仓库

我用个比喻解释这个概念。

马＊：做个报告，我要知道开年到现在还没进入工作状态的有哪些人。

我：好的。

我开始收集：上/下班打卡数据、门口探头统计上厕所频率的数据、手机wifi上网数据、微信群活跃数据、发出零食声音最恐怖的工位数据、有事没事熬电话粥的数据...一周之后，分析报告上我们部门主管的名字占据第一，他让我加了一周的班......

我收集的这些数据我需要把它放在一个地方，我暂且把它放在一个叫“新年好”的文件夹，这些来自不同地方的数据，我需要做维度统一处理、字段命名规范处理、去噪处理（比喻年龄为100这种数据）等等。这是做一份报告，如果做一个平台或者一个项目呢？比喻支付宝的年度账单；网易云音乐的年度报告；那区区一个新年好就应付不过来了，所以，需要一个储藏这些数据的数据库来替代上面的“新年好”，这个用来储存按照我们需要的、对我们有用的、已经清洗过、很规范的东西就是我们的数据仓库。官方解释在这里

数据仓库与数据库的区别

数据库于数据仓库都用来储存数据，在本质上其实作用是相同的，当从业务出发，两者的区别就很大了

数据仓库是层级分明的

光收集数据没用啊，我们还得对数据做处理，如：你链接公共wifi，我想得到你的微信号，怎么办？思路是：通过链接wifi，获取手机信息，获得手机号，通过手机号搜索微信从而获取微信号…不要诧异，也不要觉得不可能，我可以明确告诉你，这些都是可能的，而且我们正在规划这个项目，未来的某一天，我们不需要定点卡口，定点摄像头了，因为无人机可以解决很多问题。既然要做数据处理，我们数据前后肯定有变化，那么为了保险，我们需要将各个维度的数据分层储存，比喻一个订单数据，让我罗列我可以整出二、三十个字段，可是最后我们真正用到的只有：uid、time和goods id，这个过程需要不断的过滤。每过滤一层就需要在新的一层储存一次。

业务是分层的参考标准

通常数据仓库会分成四层：ODS\DWD\DWS\ADS。不同的业务，分层不一样，比喻阿里的数据分层：stage层（buffer）\ODS\DWD\DWS\ADS；而华为的数据：ODS\DWD\DWS\ADS（我们大数据总监是之前在华为和阿里搞数据挖掘的，这是他说“价值千金”的机密）。

• ODS：是数据仓库第一层数据，直接从原始数据过来的，经过简单地处理，比喻：字段体重的数据为175cm等数据。

• DW*：这个是数据仓库的第二层数据，DWD和DWS很多情况下是并列存在的，这一层储存经过处理后的标准数据，比喻订单、用户、页面点击流量等数据。

• ADS：这个是数据仓库的最后一层数据，为应用层数据，直接可以给业务人员使用。

看到这里，你也许会问，为什么要分层？在这篇文章里，过多解释这个原因，没有意义，这个阶段，你就记住，分层是为了更清晰的掌控、管理数据。了解了数据仓库的基本概念，我们就得实战啦，如基本的数据模型。

数据模型

数据模型有很多，如：范式模型、维度模型、Data Vault 等等。感兴趣的可以自行查阅资料，今天我们重点讲一下维度模型中的“星型模型”。

星型模型的基本概念

• 事实表：一些主键ID的集合，没有存放任何实际的内容。

上图是我自己画的一个听歌产品做年度分析时的星型模型表结构（仅辅助说明），如上图中的“报告表”就是一张事实表，这个报告表会随着用户的听歌习惯和听歌行为不断的优化和更新，每个ID对应维度表中一条记录。

• 维度表：存放详细的数据信息，有唯一的主键ID。

如上面的关键词表、用户表等等。

星型模型适用的业务场景

• 电商网站：某宝、狗东等分析用户的买买买行为。
• 新闻网站：虎嗅、36kr、推酷*等分析用户的阅读行为。
• 写作网站：知乎*、等用户的创作回顾分析。
• …

星型模型的特点

• 数据冗余小（因为很多具体的信息都存在相应的维度表中了，比如用户信息就只有一份）

• 结构清晰（表结构一目了然）

• 便于做OLAP分析（数据分析用起来会很开心）

• 增加使用成本，比如查询时要关联多张表

• 数据不一致，比如用户发起购买行为的时候的数据，和我们维度表里面存放的数据不一致

总结

大数据是个概念，数据产品经理是这个概念的执行层，数据仓库是数据产品经理做数据分析的第一步，数据仓库存在数据分层、维度建模、数据可视化等等内容，深入细致去讲，可以出一本书...ETL、元数据、数据血缘管理、调度系统、数据可视化等数据仓库的细分内容，下次再分享。