数仓建模综述

数据建模是数据开发工作中的核心与基石，好的模型体系好处很

多：

•

降低成本：优秀的模型设计能够提升数据复用性，减少计算/存储

资源浪费

•

提升开发效率：优秀的模型设计能够降低数据使用门槛，减少工

作量

•

提升质量：优秀的模型设计能够保证数据口径一致，降低 bug 率

数据建模的实现方式有很多，常用的比如 ER 模型，Data Vault 模

型等。目前业界使用最多的模型是 Ralph Kimball 在《数据仓库工具》

中提出的维度建模模型，其中典型的代表如星型模型，雪花模型。一个

典型的维度建模一般需要经过如下几个步骤：

1.

业务调研：调研需要建模的业务形态，划分基本的业务线/数据域

2.

层次设计：定义数仓层级，保证各层级之间职责明确，划分清晰

3.

规范设计：定义数仓中表/字段的命名规范，建立统一的指标体系

4.

事实表设计：根据单一/复合业务过程确定事实表主题，确定最小

粒度

5.

维度表设计：根据业务确定实体，补充实体属性字段 优秀的层次设计

可以保证数仓表数量在可控范围内增长，同时保证数据

产出流逻辑清晰，便于后期维护和扩展。良好的规范设计规定了统一的

命名规则，保证各个业务过程的实体/指标的完备和唯一性。