某业务数仓建模理论学习

JRQZ

九月 14, 2024

数仓分层理论

ODS（Operational Data Store）：操作数据存储是一个中间数据存储层，用于存储来自多个源系统的实时操作数据。ODS通常包含原始数据，用于支持实时查询和报告。它作为数据仓库的前身，提供了一个集中式的数据存储，以便将数据进一步转换、清洗和加载到数据仓库中。
DWD（Data Warehouse Detail）：数据仓库详细层是数据仓库体系结构中的一个层次，用于存储经过清洗、转换和集成的详细数据。在这一层，数据通常以事实表和维度表的形式组织，以支持多维数据分析。DWD层的数据具有较高的数据质量和一致性，可以用于进一步的数据挖掘和报告。
DWM（Data Warehouse Mart）：数据仓库集市层是数据仓库体系结构中的另一个层次，用于存储为特定业务领域或部门定制的数据子集。DWM层的数据通常是从DWD层中提取、汇总和转换而来的。数据仓库集市提供了更高层次的数据聚合，以支持特定业务需求的分析和报告。
DM（Data Mart）：数据集市是针对特定业务领域或部门的小型数据仓库。数据集市通常包含有限的数据主题，以便更快速、更有效地支持特定业务需求的数据分析和报告。数据集市可以是独立的，也可以作为更大数据仓库体系结构的一部分。

数仓建模：业务->领域->逻辑->物理

业务数仓实际设计过程分为七个步骤：梳理业务流程，划分主题，梳理指标，调研实体关系，梳理维度，数仓分层，构建数据仓库

找到谁，在什么环节，做什么关键动作，得到什么结果

在现有业务流程上找到数据节点

主题域是业务业务过程中一个个不可划分的行为事件

例如申购主题域中有预审购、申购、确认申购结果等业务流程

主题域划分要尽量涵盖所有业务需求

目标：统一语言，统一口径

建模方法：从全业务的高度，用实体关系模型来描述业务

根据现有的实体关系图分析需要建设哪些dwd表

目标：构建一致性库表，避免维度概念散落在业务数仓各处

例如账户类型、入口类型、事件类型等维度

好处：有利于统一建设维表、方便后续维度建模

核心是逐层解耦

越到底层，越接近业务发生的记录

越到上层，越接近业务目标

ODS保存原始数据，生命周期默认永久

DWD基于之前的实体关系图建设，充分反映业务本身，而且是稳定的，这层是进入数仓的关键通道，需要对数据质量严格把关

DWM基于维度建模（如星型模式、雪花模式）的理论设计，能够有效提升数据的使用效率

DM层按照宽表模型进行设计，以空间换时间提升产品获取指标的效率

真正的代码开发阶段，有几个要点：

设计先行，现在腾讯文档上设计库表模型，优先评审，避免返工

根据评审的库表模型，在xdata平台上配置计算任务，配置任务依赖

任务名和表明最好一致

生命周期的管理，ODS尽可能保留所有历史数据，对于DWD/DWM/DM需要设置生命周期，存款侧实体类数据一般保存5年，用户行为类数据保存3年

如何提升数据质量：

关键：早发现，早恢复

添加校验任务&建立全链路数据视图

目的：高效、高质量的支撑业务的数据诉求，依赖方须向产品/业务团队提供dwd层以上的数据表，而非ods源数据

清洗要求：

ods去重（重复数据造成上层数据处理复杂，数据倾斜），dwd配置数据唯一性质量告警
base64解码（Base64是一种用于将二进制数据编码为ASCII文本的方法，Base64编码使用64个字符（A-Z，a-z，0-9，+ 和 /）以及一个可选的填充字符（=）来表示二进制数据。它将二进制数据划分为每3个字节（24位）一组，然后将这24位数据分成4个6位的数据块。每个6位数据块对应一个Base64字符。如果二进制数据的长度不是3的倍数，那么在编码时会用填充字符（=）补齐）
加密敏感信息可在计算过程中解密，但不能解密落地
时间戳统一格式，如”yyyy-mm-dd hh:mm:ss“，默认值统一为”1970-01-01 08:00:00“
属性/结构化字段必须对其模型展开，如果出现NULL值必须和产品沟通处理方式
总结：DWD表是屏蔽技术实现的用于业务分析的数仓表（如自增id、校验码、时间戳等纯技术语义字段不能进入dwd层）

要求：