【干货】公司年终业绩分析报告，你的数据统计对么？

每年年终或新年伊始，公司管理层都要从各个角度比如部门、产品线等考察公司过去一年的业绩，作为数据分析团队，你需要向管理层准备这样的数据分析报告，而在此过程中，你可能会面临着这样的问题：

* 公司的组织架构在过去的一年中发生了调整，部分人员的所属部门也因此发生了变动，那各部门的业绩如何统计？
* 由于业务优化，公司一些产品的分类发生了变更，那全年各产品分类的销售数字如何统计？

 

为了生成上述业绩报告，多维数据分析是最常用与高效的技术手段。通过多维建模，将员工业绩、产品销售定义为事实表，把员工、产品、日期等定义为维度表，从而方便高效的从各个维度对公司核心 KPI 进行汇总统计和对比分析，以下便是基于销售数据的一个简单多维分析模型示例。

 

图表1：一个简单的多维模型示例标题

 

事实表一般会每天更新，而维度表尽管基本稳定，但也会随着时间发生变化，比如产品的分类、客户的国家、员工的部门等，这就是多维数据分析中的缓慢变化维概念（Slowly Changing Dimension, SCD）。如何处理这个变化，回答本文开始的问题，需要根据查询分析的特定需求分别处理，业界称之为缓慢变化维度的处理。

 

缓慢变化维度的常见处理方法

 

一般来说，最为常见的缓慢变化维度的处理方法有类别 1 (Type 1) 和类别 2 （Type 2），其具体处理方法和查询举例如下：

* 类别 1：维度表中直接覆盖原值，查询时只能使用最新的维度属性，反应维度最新状态（latest status）；
* 类别 2：维度表中添加新的记录，通常增加有效期字段来区分，记录维度表所有历史变化，从而使得历史可追溯。在查询时一般使用当时的维度属性，反应历史事实（historical truth）。

 

以图表1的多维模型为例，假设产品 iPhoneX 在 2018 年双 11 后，分类从 3C 调整为了 Mobile，以下分别是类别 1 和类别 2 对产品维度表的处理方法，以及在查询 2018 年各产品分类的销售数字时的结果：

 

图表2： 缓慢变化维类别 1 和类别 2 的处理方法与查询结果示例标题

 

注：类别 2 的处理方法有各种具体实现方法，比如常见的拉链表，但基本原理一致。

 

讲到这里，相信各位已经对文章开头的问题已经有答案了，现在需要做的就是和业务方沟通，统一数据统计口径，然后在 ETL 或者数据仓库中具体实现。在一些复杂的场景中，还会使用到类别 3 和类别 4，甚至是混合的处理方法，本文不在此进行深入讨论，具体内容各位可以参考相关文档。

 

Kyligence的缓慢变化维处理实践

 

在大数据场景下，为了加速数据分析的性能与并发，基于多维模型（Cube）进行预计算是最为行之有效的方法之一。开源顶级项目 Apache Kylin 便是其中代表，而基于它为核心的企业级大数据分析平台 Kyligence Enterprise，更是实现了 PB 级数据的亚秒级查询响应和数以千计的高并发访问。

 

默认情形下 Apache Kylin 与 Kyligence Enterprise 对所有维度表均做类别 2 处理，每次 Cube 刷新时记录当时的维度表数据，以便在查询时使用并反应当时的历史事实。

 

启用缓慢变化维类别 1

 

在默认情形下，当用户需要使用最新维度表信息统计结果时，即需要类别 1 处理方法时，就需要刷新所有 Cube 历史数据，这带来了大量额外的计算开销，在海量数据场景下无法接受。因此，Kyligence Enterprise 从 v3.2.2 版本之后，内生支持缓慢变化维类别 1，用户可以在定义模型时，通过简单的设置，即可对维度表启用缓慢变化维类别1处理，如下图：

 

标题图表3 Kyligence 支持缓慢变化维类别1处理

 

对于启用了缓慢变化维 Type 1 的维度表，Kyligence Enterprise 将仅保留一个最新版本，并在每次 Cube 数据刷新时更新该维度表，而在查询时，所有 Cube 历史数据（Segments）将与该最新的维度表联接并反馈查询结果，其原理如下图所示：

标题图表4 Kyligence 支持缓慢变化维类别1处理原理

 

总结

 

以上便是多维分析中缓慢变化维与常见处理方法的简单介绍，以及 Kyligence 与 Apache Kylin 在大数据场景下的实践。

 

在海量数据多维分析场景下，Kyligence Enterprise 实现了灵活的缓慢变化维类别 1 和类别 2 的处理，既保障了查询性能，又避免了不必要的 Cube 数据刷新的开销，从而满足不同的数据分析需求，大幅提升大数据分析的效率。

 

未来 Kyligence 还会做更多探索与改进，比如类别 1 和类别 2 的灵活切换，支持更多缓慢变化维处理类型等，敬请期待。

 

更多详情，请参考 Kyligence 官方网站：

Kyligence - Enterprise OLAP for Big Data​www.kyligence.io

 

或 Kyligence Enterprise 用户手册：

https://docs.kyligence.io​docs.kyligence.io

 

关于Kyligence

Kyligence 由首个来自中国的 Apache 软件基金会顶级开源项目 Apache Kylin 核心团队组建，是专注于大数据分析领域创新的数据科技公司。Kyligence 提供基于 Apache Kylin 的企业级大数据智能分析产品 Kyligence Enterprise，以及基于公有云的托管式 Kylin 在线服务 Kyligence Cloud。目前，Kyligence 已赢得了海内外多家金融、保险、证券、电信、制造、零售、广告等企业级客户。