数仓--Theory--对数仓面向主题的理解

面向主题

面向主题是数仓的四大特点之一，听起来很高大上，但是细细理解起来却有些费劲，本文主要是记录一下个人的理解，参考互联网上各种博客进行理解。

概念解析

• 抽象概念
  • 主题(Subject) :在较高层次上将企业信息系统中数据进行综合、归类分析利用。属于一个抽象概念，每一个主题基本对应一个宏观分析领域。
• 逻辑概念
  • 主题(Subject)是对应企业中某一宏观分析领域所涉及的分析对象（重点是分析的对象，对象，仔细理解一下对象的含义）。例如："销售分析"就是一个分析领域，这个"销售分析"所涉及到的分析对象为商品、供应商、顾客、仓库等，那么数仓主题可以确定为商品主题、供应商主题、顾客主题、仓库主题；联系到下文"销售分析"可以作为一个主题域；如果"产品分析"是一个分析领域，"产品分析"所涉及到的分析对象为商品、地域、时间、类别等，那么数仓的主题确定为商品主题、地域主题、时间主题、类别主题，"产品分析"可以作为一个主题域。
• 总结
  • 数仓的主题就是对某个分析领域的概念总结，是一个高屋建瓴式的方向领导，一个数仓可以有一个主题或者多个主题。
  • 主题是根据分析的要求确定的，这与按照数据处理或应用的要求来组织数据是不同的。例如:对于材料供应业务，在面向数据库系统中，重点应该效率化的处理材料供应的业务处理，在面向数据分析中，重点应该放在材料供应是否及时，材料供应质量，采购渠道等维度。
  • 数仓中，面向主题的数据组织方式，就是在较高层次上对被分析对象有一个完整、一致的描述，能刻画各个分析对象所涉及到的各项数据及数据之间的关系；
  • 通常在建立数据仓库的数据模型中已经定义好主题。典型的主题领域包括顾客、产品、订单和财务或是其他某项事务或活动。

主题域

此项有争议，下文从集合论和边界论两个方面进行分析

从数据角度看（集合论）

• 主题域通常是联系较为紧密的数据主题的集合。可以根据业务的关注点，将这些数据主题划分到不同的主题域。主题域的确定必须由最终用户和数据仓库的设计人员共同完成；

• 个人理解：这种划分方式似乎是在Kimball学院派思想，确定主题和维度；

• 主题域、主题、实体间关系

  
  
  主题域实体关系.jpg

• 注意：从数据角度的前提是已经经过分析、梳理列出所有可能的数据主题，此处数据主题是细粒度的，是从微观到宏观 ；

从需要建设的数仓主题看（边界论）

• 主题域是对某个主题进行分析后确定的主题的边界。
• 因为在数仓的建设过程中，一般会一次建立一个主题或者是全部主题的一部分，需要对某个主题进行分析，确定主题所涉及到的表、字段、维度等界限。
• 个人理解：边界论的思想似乎和Inmon学院派指导思想类似，理清主题之间的边界，可以由ER模型进行逻辑转化得来，对某一主题域的分析，需要先确定这个主题的关系边界，然后再进行逻辑建模。 有点自顶向下的进行设计开发的感觉；
• 经典案例分析，以Adventure Works Cycle公司案例进行分析
  • Adventure 数仓需要分析的一般为主题：供应商主题、商品主题、客户主题和仓库主题。
    • 商品主题：超市商品的采购情况、商品的销售情况和商品的存储情况；
    • 供应商主题：供应商类别、供应时间、供应货物类别等情况；
    • 顾客主题：客户购买商品的情况；
    • 仓库主题：仓库中商品的存储情况和仓库的管理情况等；
      
      主题域边界论
  • 对需要初期建设的四个主题进行边界确定，确定主题边界需要进一步理解业务知识（注意：业务大于技术，注意业务知识的积累） ，各个主题边界确定的过程就是对每个主题进行细化过程，即由宏观把握到微观执行；
    
    主题域边界确定

确定主题内容

• 当数仓主题定义好之后，数据仓库中的逻辑模型也就基本成形了，需要在主题的逻辑关系中列出属性和系统相关行为；此阶段需要定义好数据仓库的存储结构，向主题模型中添加所需要的信息和能充分代表主题的属性组；
• 经典案例说明：

  • 以Adventure Works Cycle公司案例进行分析,分析主题：商品、销售、客户，在上述主题上添加能充分说明主题的属性组；

    
    
    主题的详细描述.PNG

主题的使用

• 由于数据仓库的设计是一个螺旋发展的过程，在刚开始，没有必要在数据仓库的数据库中体现所有的主题，选择最重要的主题作为数据仓库设计的试金石是很有必要的。因此使用主题首先是找到需要分析的主题域。
• 经典案例说明：
  • AdventureWorksDW数据仓库的概念模型设计中，在对需求进行分析后，认识到“商品”主题既是一个销售型企业最基本的业务对象，又是进行决策分析的最主要领域，因而把“销售分析”主题域(注意是销售分析是主题域)定义为要首先建立的主题域。通过“商品”主题的建立，经营者就可以对整个企业的经营状况有较全面的了解。先实施“商品”主题可以尽快地满足企业管理人员建立数据仓库的最初要求，所以先选定“商品”主题进行实施。
  • 确定"销售分析"主题域，即对商品主题进行边界划分；
    • 商品主题可能涵盖的关系表有商品表、供应关系表、购买关系表和仓储关系表；
    • 仓库主题可能涵盖的关系表有仓库关系表、仓库表、仓库管理关系表和管理员表。
    • 供应商主题可能涵盖的关系表由：供应商关系表，供应关系表等；
    • 顾客主题可能涵盖顾客购买表，顾客关系表等；

  • 把这些表的键和字段联系起来 ，可以形成如下的主题域边界划分的原始模型；

    
    
    销售分析主题域边界确定原始模型