离线数仓-4-数据仓库设计-分层规划&构建流程

1.数据仓库分层规划

• 优秀可靠的数仓体系，需要良好的数据分层结构。合理的分层，能够使数据体系更加清晰，使复杂问题得以简化。
• 一般都是受到了OneData体系的启发，进行了数据仓库分层规划。
• 下面是该项目的数据仓库分层体系
  

2.数据仓库构建流程

• 1.数据调研
  • 业务调研：对于最前面业务系统的调研
  • 需求分析：对于后面的需求的分析
• 2.明确数据域
  • 按照标准对数据纵向划分
• 3.构建业务总线矩阵
  • 将事实与维度整合为一个二维表格内，观察那些事实与维度有关联，从而就会形成维度模型
• 4.维度模型设计
  • 维度模型的设计，是由于最开始的业务驱动的，有哪些业务对应就有哪些事实表，有哪些业务对应的环境就有哪些维度表
• 5.汇总模型设计
  • 汇总模型设计，是依托于后面的客户提出的需求，是需求驱动的，关联获取哪些指标是能够重复利用，从而减少计算的冗余。
• 6.明确统计指标
  • 整理对应的指标体系：原子指标、派生指标、衍生指标。

1.数据调研

数据调研重点要做两项工作，分别是业务调研和需求分析。这两项工作做的是否充分，直接影响着数据仓库的质量。

1.业务调研

• 业务调研的主要目标是熟悉业务流程、熟悉业务数据
• 熟悉业务流程要求做到，明确每个业务的具体流程，需要将该业务所包含的每个业务过程一一列举出来。
  • 此处的业务过程需要调研的很透彻，因为此处的业务过程就对应这DWD层的事实表。
• 熟悉业务数据要求做到，将数据（包括埋点日志和业务数据表）与业务过程对应起来，明确每个业务过程会对哪些表的数据产生影响，以及产生什么影响。
  • 产生的影响，需要具体到，是新增一条数据，还是修改一条数据，并且需要明确新增的内容或者是修改的逻辑。
• 举例说明： 电商中交易业务，具体流程如下图，主要涉及到的业务过程：买家下单、买家付款、卖家发货、买家收货，以及买个业务过程会对那些表产生影响，都需要下沉到很细层面。
  
  • 以添加购物车过程为例，添加购物车这个过程会对那些表产生影响，并且产生什么影响，
    • 比如：添加一商品到购物车，必然会对于此用户的购物表产生影响，添加一条记录，同时binlog中会产生insert操作，maxwell等服务可以监控到此过程，然后将数据写出到ods层，加工到dwd层；
    • 也可能是binlog产生了update操作，但是update操作涉及到的用户购物表的字段很多，该表中每个字段发生变化，都会产生update的binlog。需要进行过滤，过滤出购物车对应的字段发生增加的数据，才算是添加购物车的操作。
    • 以上就是针对于“添加购物车”这一业务过程的分析，都需要细化到这种粒度，才算业务调研充分。

2.需求分析

• 典型的需求指标如，最近一天各省份手机品类订单总额。
• 分析需求时，需要明确需求所需的业务过程及维度，例如该需求所需的业务过程就是买家下单，所需的维度有日期，省份，商品品类。

3.总结

• 做完业务分析和需求分析之后，要保证每个需求都能找到与之对应的业务过程及维度。若现有数据无法满足需求，则需要和业务方进行沟通，例如某个页面需要新增某个行为的埋点。

2.明确数据域

• 数据仓库模型设计除横向的分层外，通常也需要根据业务情况进行纵向划分数据域。划分数据域的意义是便于数据的管理和应用。
• 通常可以根据业务过程或者部门进行划分，本项目根据业务过程进行划分，需要注意的是一个业务过程只能属于一个数据域。
• 下面是本项目所需的所有业务过程及数据域划分详情：

数据域	业务过程
交易域	加购、下单、取消订单、支付成功、退单、退款成功
流量域	页面浏览、启动应用、动作、曝光、错误
用户域	注册、登录
互动域	收藏、评价
工具域	优惠券领取、优惠券使用（下单）、优惠券使用（支付）

3.构建业务总线矩阵&维度模型设计

• 业务总线矩阵中包含维度模型所需的所有事实（业务过程）以及维度，以及各业务过程与各维度的关系。矩阵的行是一个个业务过程，矩阵的列是一个个的维度，行列的交点表示业务过程与维度的关系。
  

• 业务总线矩阵中包含维度模型所需的所有事实（业务过程）以及维度，以及各业务过程与各维度的关系。矩阵的行是一个个业务过程，矩阵的列是一个个的维度，行列的交点表示业务过程与维度的关系。

• 按照事务型事实表的设计流程，选择业务过程–>声明粒度–>确认维度–>确认事实，得到的最终的业务总线矩阵见以下表格。

• 后续的DWD层以及DIM层的搭建需参考业务总线矩阵。
  

4.明确统计指标

• 明确统计指标具体的工作是，深入分析需求，构建指标体系。构建指标体系的主要意义就是指标定义标准化。所有指标的定义，都必须遵循同一套标准，这样能有效的避免指标定义存在歧义，指标定义重复等问题。

1.指标体系相关概念

1.原子指标

原子指标基于某一业务过程的度量值，是业务定义中不可再拆解的指标，原子指标的核心功能就是对指标的聚合逻辑进行了定义。我们可以得出结论，原子指标包含三要素，分别是业务过程、度量值和聚合逻辑。
例如订单总额就是一个典型的原子指标，其中的业务过程为用户下单、度量值为订单金额，聚合逻辑为sum()求和。需要注意的是原子指标只是用来辅助定义指标一个概念，通常不会对应有实际统计需求与之对应。

2.派生指标

派生指标基于原子指标，与原子指标不同，派生指标通常会对应实际的统计需求。其与原子指标的关系如下图所示。

3.衍生指标

衍生指标是在一个或多个派生指标的基础上，通过各种逻辑运算复合而成的。例如比率、比例等类型的指标。衍生指标也会对应实际的统计需求。

2.指标体系对于数仓建模的意义

• 通过上述两个具体的案例可以看出，绝大多数的统计需求，都可以使用原子指标、派生指标以及衍生指标这套标准去定义。同时能够发现这些统计需求都直接的或间接的对应一个或者是多个派生指标。
• 当统计需求足够多时，必然会出现部分统计需求对应的派生指标相同的情况。这种情况下，我们就可以考虑将这些公共的派生指标保存下来，这样做的主要目的就是减少重复计算，提高数据的复用性。
• 这些公共的派生指标统一保存在数据仓库的DWS层。因此DWS层设计，就可以参考我们根据现有的统计需求整理出的派生指标。
• 按照上述标准整理出的指标体系部分如下：
  
• 将上述指标体系抽取出来的所有指标汇总如下表格：
  

5.汇总模型设计

• 汇总模型的设计参考上述整理出的指标体系（主要是派生指标）即可。汇总表与派生指标的对应关系是，一张汇总表通常包含业务过程相同、统计周期相同、统计粒度相同的多个派生指标。请思考：汇总表与事实表的对应关系是？多对多