前提條件

您需要開通DataWorks智能數(shù)據(jù)建模后，才可以使用該產(chǎn)品功能，詳情請參見智能數(shù)據(jù)建模計費標(biāo)準(zhǔn)。

使用限制

概述

DataWorks數(shù)據(jù)建模支持?jǐn)?shù)倉規(guī)劃設(shè)計、制定并沉淀企業(yè)數(shù)據(jù)標(biāo)準(zhǔn)、維度建模、數(shù)據(jù)指標(biāo)定義，通過使用DataWorks數(shù)據(jù)建模，您可以將建模設(shè)計產(chǎn)出的維度表、明細(xì)表和匯總表物化到計算引擎中并進(jìn)一步應(yīng)用。

• 數(shù)倉規(guī)劃

  使用DataWorks進(jìn)行數(shù)據(jù)建模時，您可以在數(shù)倉規(guī)劃頁面進(jìn)行數(shù)據(jù)分層、業(yè)務(wù)分類、主題域和業(yè)務(wù)過程設(shè)計。

  • 數(shù)據(jù)分層

    您可以結(jié)合業(yè)務(wù)場景、數(shù)據(jù)場景綜合考慮設(shè)計數(shù)倉的數(shù)據(jù)分層，DataWorks為您默認(rèn)創(chuàng)建業(yè)界通用的五層數(shù)倉分層：

    • 數(shù)據(jù)引入層 ODS（Operational Data Store）

    • 明細(xì)數(shù)據(jù)層 DWD（Data Warehouse Detail）

    • 匯總數(shù)據(jù)層 DWS（Data Warehouse Summary）

    • 應(yīng)用數(shù)據(jù)層 ADS（Application Data Service）

    • 公共維度層 DIM（Dimension）

    您也可以根據(jù)業(yè)務(wù)需求創(chuàng)建其他分層數(shù)據(jù)層，創(chuàng)建數(shù)據(jù)分層的操作請參見創(chuàng)建數(shù)倉分層。

  • 業(yè)務(wù)分類

    當(dāng)企業(yè)業(yè)務(wù)比較復(fù)雜，不同類型業(yè)務(wù)彼此間需要共享數(shù)據(jù)域，但是又希望能在模型設(shè)計和應(yīng)用過程中快速定位本業(yè)務(wù)的數(shù)據(jù)時，您可結(jié)合真實業(yè)務(wù)情況，規(guī)劃不同的業(yè)務(wù)分類，在后續(xù)建模的維度表和明細(xì)表中，將其關(guān)聯(lián)到對應(yīng)的業(yè)務(wù)分類中。創(chuàng)建業(yè)務(wù)分類的操作可參見業(yè)務(wù)分類。

  • 數(shù)據(jù)域

    數(shù)據(jù)域是一個較高層次的數(shù)據(jù)歸類標(biāo)準(zhǔn)，是對企業(yè)業(yè)務(wù)過程進(jìn)行抽象、提煉、組合的集合，是企業(yè)業(yè)務(wù)人員在使用數(shù)據(jù)時第一個分組入口，可以幫助企業(yè)業(yè)務(wù)人員快速的從海量的數(shù)據(jù)中快速圈定到自己的業(yè)務(wù)數(shù)據(jù)。

    數(shù)據(jù)域面向業(yè)務(wù)分析，一個數(shù)據(jù)域?qū)?yīng)一個宏觀分析領(lǐng)域，比如采購域、供應(yīng)鏈域、HR域、電商業(yè)務(wù)域等。數(shù)據(jù)域的設(shè)定建議由統(tǒng)一組織或者人員（如數(shù)據(jù)架構(gòu)師或者模型小組成員）進(jìn)行管理和設(shè)定，數(shù)據(jù)域設(shè)計人員需要能對企業(yè)有深刻的業(yè)務(wù)理解，更多的表達(dá)對業(yè)務(wù)的解釋和抽象。使用DataWorks進(jìn)行數(shù)據(jù)域的規(guī)劃建設(shè)的操作，請參見數(shù)據(jù)域。

  • 業(yè)務(wù)過程

    業(yè)務(wù)過程是對業(yè)務(wù)活動流程的描述，例如在電商領(lǐng)域，加購、下單、支付等都可以是一個業(yè)務(wù)過程。進(jìn)行業(yè)務(wù)效果分析時，業(yè)務(wù)過程有非常典型的應(yīng)用，例如常用漏斗分析，即將購買商品的業(yè)務(wù)活動分解為瀏覽商品、加入購物車、下訂單、付款、確認(rèn)收貨等業(yè)務(wù)過程，統(tǒng)計每個業(yè)務(wù)過程的“訂單數(shù)”，將可以針對“訂單數(shù)”這一指標(biāo)做漏斗分析。使用DataWorks創(chuàng)建業(yè)務(wù)過程的操作請參見業(yè)務(wù)過程。

• 數(shù)據(jù)標(biāo)準(zhǔn)

  DataWorks數(shù)據(jù)建模支持在建模前規(guī)劃制定數(shù)據(jù)標(biāo)準(zhǔn)，或在建模使用過程中根據(jù)業(yè)務(wù)情況沉淀企業(yè)業(yè)務(wù)的數(shù)據(jù)標(biāo)準(zhǔn)。通過規(guī)范約束標(biāo)準(zhǔn)代碼、度量單位、字段標(biāo)準(zhǔn)、命名詞典，來保障后續(xù)建模與應(yīng)用過程中數(shù)據(jù)處理的一致性。

  例如，現(xiàn)有注冊表和登錄表兩張表，注冊表中存儲了會員ID，字段名為user_id，登錄表中也存儲了會員ID，字段名為userid，此時針對會員ID這個數(shù)據(jù)創(chuàng)建統(tǒng)一的字段標(biāo)準(zhǔn)，例如指定數(shù)據(jù)處理的標(biāo)準(zhǔn)代碼、指定字段的屬性要求（例如字段的數(shù)據(jù)類型、長度、默認(rèn)值等）、指定數(shù)據(jù)的度量單位。創(chuàng)建好字段標(biāo)準(zhǔn)后，后續(xù)在建模過程中涉及到會員ID這個字段的設(shè)置時，即可直接關(guān)聯(lián)此標(biāo)準(zhǔn)，以此來保障所有會員ID字段的標(biāo)準(zhǔn)統(tǒng)一。

  DataWorks中字段標(biāo)準(zhǔn)的創(chuàng)建操作請參見字段標(biāo)準(zhǔn)。

• 維度建模

  DataWorks的數(shù)據(jù)建模理念遵循維度建模思想，使用DataWorks的維度建模功能進(jìn)行數(shù)據(jù)倉庫建模設(shè)計時：

  • 維度表

    結(jié)合業(yè)務(wù)的數(shù)據(jù)域的規(guī)劃，提取出各業(yè)務(wù)數(shù)據(jù)域中進(jìn)行數(shù)據(jù)分析時可能存在的維度，并將維度及其屬性通過維度表的方式存儲下來。例如，在進(jìn)行電商業(yè)務(wù)數(shù)據(jù)分析時，可用的維度及其屬性有：訂單維度（屬性包括訂單ID、訂單創(chuàng)建時間、買家ID、賣家ID等）、用戶維度（性別、出生日期等）、商品維度（包括商品ID、商品名稱、商品上架時間）等，此時您就可以將這些維度和屬性創(chuàng)建為訂單維度表、用戶維度表、商品維度表等，將維度屬性記錄作為維度表的字段。后續(xù)您可將這些維度表部署到數(shù)倉中，通過ETL將實際維度數(shù)據(jù)按照維度表定義的方式進(jìn)行存儲，方便業(yè)務(wù)人員在后續(xù)的數(shù)據(jù)分析時進(jìn)行取用。

  • 明細(xì)表

    結(jié)合業(yè)務(wù)過程的規(guī)劃，梳理分析各業(yè)務(wù)過程中可能產(chǎn)生的實際數(shù)據(jù)，將這些實際數(shù)據(jù)字段通過明細(xì)表的方式存儲下來。例如下訂單這一業(yè)務(wù)過程中，您可以創(chuàng)建下訂單這一明細(xì)表，用于記錄下單過程可能產(chǎn)生實際數(shù)據(jù)字段，例如訂單ID、訂單創(chuàng)建時間、商品ID、數(shù)量、金額等。后續(xù)您可將這些明細(xì)表部署到數(shù)倉中，通過ETL將真實的數(shù)據(jù)按照明細(xì)表的定義方式進(jìn)行匯總存儲，便于業(yè)務(wù)分析時取用。

  • 匯總表

    您可以結(jié)合業(yè)務(wù)數(shù)據(jù)分析和數(shù)倉分層，將一些明細(xì)的事實數(shù)據(jù)和維度數(shù)據(jù)先進(jìn)行匯總分析，創(chuàng)建匯總表，后續(xù)數(shù)據(jù)分析時直接取用匯總表中的數(shù)據(jù)即可，無需再取用明細(xì)表和維度表中的數(shù)據(jù)。

  • 逆向建模

    逆向建模主要用于將其他建模工具生成的模型反向建模至DataWorks的維度建模中。例如，當(dāng)您已通過其他建模工具生成模型，此時，想更換為DataWorks的智能建模進(jìn)行后續(xù)建模工作，則可以使用逆向建模功能。該功能無需您再次執(zhí)行建模操作，即可幫助您快速將已有模型反向建模至DataWorks的維度建模中，節(jié)省了大量的時間成本。

  維度表、明細(xì)表、匯總表的創(chuàng)建操作請參見創(chuàng)建邏輯模型：維度表、創(chuàng)建邏輯模型：明細(xì)表、創(chuàng)建邏輯模型：匯總表。逆向建模操作，詳情請參見逆向建模：物理表反向建模。

• 數(shù)據(jù)指標(biāo)

  DataWorks的數(shù)據(jù)建模提供數(shù)據(jù)指標(biāo)功能，為您提供統(tǒng)一的指標(biāo)體系建立能力。

  指標(biāo)體系由原子指標(biāo)、修飾詞、時間周期和派生指標(biāo)構(gòu)成。

  • 原子指標(biāo)：是基于某一業(yè)務(wù)過程下的度量，如“支付訂單”業(yè)務(wù)過程中的“支付金額”。

  • 修飾詞：是對指標(biāo)統(tǒng)計業(yè)務(wù)范圍的限定，如限定“支付金額”的統(tǒng)計范圍為“母嬰類產(chǎn)品”。

  • 時間周期：用于明確指標(biāo)統(tǒng)計的時間范圍或者時間點，如指定統(tǒng)計“支付金額”的時間周期為“最近7天”。

  • 派生指標(biāo)：由原子指標(biāo)、修飾詞、時間周期組合定義。如，統(tǒng)計“最近7天”“母嬰類產(chǎn)品”的“支付金額”。

  指標(biāo)體系的創(chuàng)建操作請參見數(shù)據(jù)指標(biāo)概述。

數(shù)據(jù)建模的必要性

• 海量數(shù)據(jù)的標(biāo)準(zhǔn)化管理

  企業(yè)業(yè)務(wù)越龐大數(shù)據(jù)結(jié)構(gòu)就越復(fù)雜，企業(yè)數(shù)據(jù)量會隨著企業(yè)業(yè)務(wù)的快速發(fā)展而迅速增長，如何結(jié)構(gòu)化有序地管理和存儲數(shù)據(jù)是每個企業(yè)都將面臨的一個挑戰(zhàn)。

• 業(yè)務(wù)數(shù)據(jù)互聯(lián)互通，打破信息壁壘

  公司內(nèi)部各業(yè)務(wù)、各部門之間數(shù)據(jù)獨立自主形成了數(shù)據(jù)孤島，導(dǎo)致決策層無法清晰、快速地了解公司各類數(shù)據(jù)情況。如何打破部門或業(yè)務(wù)領(lǐng)域之間的信息孤島是企業(yè)數(shù)據(jù)管理的一大難題。

• 數(shù)據(jù)標(biāo)準(zhǔn)整合，統(tǒng)一靈活對接

  同一數(shù)據(jù)不同描述，企業(yè)數(shù)據(jù)管理難、內(nèi)容重復(fù)、結(jié)果不準(zhǔn)確。如何制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)又不打破原有的系統(tǒng)架構(gòu)，實現(xiàn)靈活對接上下游業(yè)務(wù)，是標(biāo)準(zhǔn)化管理的核心重點之一。

• 數(shù)據(jù)價值最大化，企業(yè)利潤最大化

  在最大程度上用好企業(yè)各類數(shù)據(jù)，使企業(yè)數(shù)據(jù)價值最大化，為企業(yè)提供更高效的數(shù)據(jù)服務(wù)。