|
业务层数据建模的目标是输出主题的数据星型模型，根据不同的主题和分析场景，选取相关的业务过程，使用合理的建模手段进行数据建模，主要流程包括：确认主题、选取业务过程、确认粒度、确认维度、确认统计指标，最终输出星型模型。
▇ 根据具体的分析需求确认主题。
▇ 确认需要分析的业务以及业务过程。
▇ 确认统一数仓模型，系统自动推荐相关的模型，选择满足条件的模型，并在此基础上进行后续建模工作。
▇ 确认粒度，相同粒度模型可以进行指标的合并。
▇ 确认维度，选取后续需要下钻分析的维度，选取过程是在业务过程的范围内进行，不能超出维度能够关联的范围。
▇ 确认统计指标，选取业务过程相关的度量（原子指标元数据）派生的统计指标。
▇ 构建星型模型。
物理建模流程与之前所述相同，不再重复介绍。
下图是数据建模阶段产出的星型模型实例，在模型图中，将关联的业务信息和数据逻辑进行清晰的表达，辅助后续数据开发工作
统一数仓建模是业务层建模的基础，需要涵盖尽可能多的业务过程和维度，包括业务建模、数据建模和物理建模三个阶段。
业务建模是基于业务已有信息，结合建模同学对业务的理解，对业务进行梳理，此时不会面向具体的分析细节，确认范围主要是业务域、业务过程和实体之间的关系，输出业务总线矩阵。业务建模的目的是为了对业务需求进行分解，转化为数据理解，包括的具体流程有：划分业务域、确认业务过程、设计事件事实，确认相关实体、关联事件、构建业务总线矩阵。
▇ 业务域划分，业务域是业务过程的集合，是对业务各个环节的粗粒度划分，将相关的业务过程聚集到一个业务域下，例如播放域。
▇ 确认业务过程，业务过程是业务中的原子行为，不能再进行拆解，我们需要在业务建模过程中，确认有哪些业务过程，并明确业务过程所属的业务域，一个业务过程只能属于一个业务域。
▇ 设计事件事实。
▇ 确认相关实体，从较粗的粒度确认一个业务过程涉及到的实体范围，防止遗漏分析角度，同时为关联事件实体提供联接节点。
▇ 关联事件事实，统一数仓建模需要将已有的事件事实字段都涵盖到，并通过实体进行更多维度的关联。
▇ 构建业务总线矩阵，横纵坐标分别为描述事实本身的业务域、业务过程，以及描述事实环境的维度和实体。
数据建模阶段主要是为了将业务总线矩阵进行细化，完成业务关系到数据关系逻辑转换，并补充相关的维度，输出星型（雪花）模型。
在介绍数据建模流程之前，先讲下一致性维度和指标体系的建设。目前数仓建设主要基于维度建模理论，所以一致性维度是底层的基石。在数据仓平台中，我们把维度分为三种类型，分别是普通维度、枚举维度和虚拟维度。
普通维度，最常见的维度类型，通常有一张对应的维表存在，每个维度都由一个主键和多个维度属性组成，如用户维度，内容维度等；枚举维度，是普通维度的一种特例，也称为字典维度，列举以及标准化枚举值以表示维度对象，以Key-Value的形式存在，例如：是否XX，0代表否，1代表是；虚拟维度没有具体业务实体承载、没有可固化数据范围逻辑定义的维度对象，例如随机数、会话ID等。
创建维度时，需要补充一些标签属性，例如维度的英文名、中文名、描述、通用性，它所属的实体（例如：时间、空间、应用等），其中通过“通用性“把维度分为业务维度和通用维度：如果某个维度只能被一个业务使用，定为业务维度，也就是说它的适用范围只能在某一个业务下，其他业务不可用；会被两个及以上的业务使用，定义为通用维度。实际上，两种类型会随着时间而产生变化，一个维度在开始阶段只被一个业务使用，但随着业务的发展，后期会被多个业务使用，当业务维度升级成通用维度时，构建业务维度的通用维度镜像。
一个维度会包含若干维度属性，每个维度属性包含英文名、中文名、数据类型、说明等，同时需要定义维度属性最终在物理表中的字段名称，以此来实现数仓范围内的同名同义和全局唯一性。
关于维度建设理论，这里不再详细展开，有兴趣的同学可以网上搜索相关文章和书籍进行了解和学习。
（编辑：江门站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
