基于Dataphin建模理論和業務需求，明確并規范定義統計指標，以便設計出易于業務使用的數據倉庫。
背景信息
規范定義是指以維度建模作為理論基礎，構建總線矩陣，劃分并定義主題域、業務過程、維度、原子指標、統計周期和派生指標。
在您開始使用Dataphin進行數倉模型設計前，需要完成業務調研、需求分析、構建總線矩陣（從業務數據中抽象出業務過程和維度）、明確并定義統計指標。本教程中假設已完成需求調研、業務分析和構建總線矩陣，帶您體驗如何明確并規范定義統計指標，幫助您快速理解如何基于Dataphin設計數倉模型。
基本概念
名詞 | 描述 |
數據板塊 | 數據板塊定義了數據倉庫的多種命名空間，是一種系統級的概念對象。當數據的業務含義存在較大差異時，您可以創建不同的數據板塊，讓各成員獨立管理不同的業務，后續數據倉庫的建設將按照數據板塊進行劃分。 在Dataphin中，項目可以歸屬至數據板塊以實現規范建模功能，同一個數據板塊中可能包含多個不同的項目，所以數據板塊與項目的關系為1:N。 |
主題域 | 對某個主題分析后確定的主題邊界。例如，商品域、交易域、會員域等。 |
業務過程 | 業務過程即企業的業務活動事件，通常為不可拆分的事件。創建業務過程，即從頂層視角，規范業務中的事務內容的類型及唯一性。例如電商訂單是一個業務過程，業務過程由下單、支付、發貨和確認收貨等不可拆分的事件組成，每個事件就是一個業務過程。 |
統計周期 | 統計的時間范圍，也可以稱為時間周期。例如最近1天、最近30天等（類似于SQL中Where后的時間條件）。 |
統計粒度 | 統計分析的對象或視角，定義數據需要匯總的程度，可以理解為聚合運算時的分組條件（類似于SQL中Group By的對象）。粒度是維度或維度的某些屬性的組合。例如，地域（維度）和客戶性別（維度屬性）組合成統計粒度。 在定義粒度時，您需要充分考慮到業務和維度的關系。通常用于派生指標構建，是匯總表的唯一性識別方式。 |
業務限定 | 統計的業務范圍，用于篩選出符合業務規則的記錄（類似于SQL中Where后的條件，不包括時間區間）。 |
度量 | 事實就是度量，通常是對某個業務事件的衡量，通常為數字，如某筆訂單的金額。 重要 請注意區分度量和原子指標。任何數據倉庫都有維度和度量的概念，但指標是業務分析中的概念。 |
維度 | 維度是分析業務的角度，是對應業務流程中的業務對象。例如客戶、商品、部門等都可以作為分析業務的角度。 |
派生指標 | 派生指標是分析業務的指標。由原子指標、統計周期、統計粒度和業務限定組成。例如原子指標為支付金額，最近1天海外買家支付金額則為派生指標（最近1天為時間周期，海外為業務限定、買家為統計粒度）。 |
原子指標 | 原子指標定義了業務分析的度量和統計方法（類似于SQL中Select后的聚合表達式，例如Sum）。 |
案例說明
A電商公司，銷售某品牌多種零食。
商品種類 | 單價 |
干果類 | 10元/500g |
膨化類 | 8元/袋 |
飲品類 | 15元/瓶 |
買家和賣家可以通過電商平臺進行交易。
訂單ID | 買家ID | 買家姓名 | 商品種類 | 支付金額 | 支付方式 |
29296 | 1001 | 張三 | 干果類 | 34 | 花唄 |
29297 | 干果類 | 67 | 花唄 | ||
29298 | 1003 | 李四 | 膨化類 | 56 | 支付寶 |
本案例中，明確及規范定義指標如下。
定義指標 | 業務數據 |
數據板塊 | 電商業務 |
主題域 | 交易域 |
維度 | 商品種類 |
業務過程 | 下單購買 |
業務限定 | 商品種類為干果類 |
時間周期 | 最近1天 |
原子指標 | 銷售總額 |
派生指標 | 最近1天干果類商品銷售總額 |