5分钟看懂：如何构建一个数据仓库？

实用干货来了！

有朋友私信我，说希望了解数仓的整体建立中的细节及模板。那有啥说的，上干货！

数仓全景图镇楼
00                               
                        建立过程
                       

数仓建模的过程分为业务建模、领域建模、逻辑建模和物理建模，但是这  些步骤比较抽象。为了便于落地，我根据自己的经验，总结出上面的七个步骤：梳理业务流程、垂直切分、指标体系梳理、实体关系调研、维度梳理、数仓分层以及物理模型建立。每个步骤不说理论，直接放工具、模板和案例。

01
                        业务流程

1
找到公司核心业务流程，找到谁，在什么环节，做什么关键动作，得到什么结果。

2
梳理每个业务节点的客户及关注重点，找到数据在哪。

02
                        分域/主题

3
决定数仓的建立方式，快速交活，就用自下而上的建立。要全面支撑，就顶层规划，分步实行，交活稍微慢点。

4
同时按照业务领域划分主题域。主题域的划分方法有：按业务流划分（推荐）、按需求分、按职责分、按产品功能分等。

03
                        指标体系

5
指标的意义在于统一语言，统一口径。以是指标的定义必须有严格的标准。否则如无根之水。

指标可分为原子指标、派生指标和衍生指标，其含义及命名规则举例如下：

6
依照指标体系建立标准，开始梳理指标体系。整个体系同样要以业务为核心进行梳理。同时梳理每个业务过程所需的维度。维度就是你观察这个业务的角度，指标就是衡量这个业务结果 好坏的量化结果。

请注意，此时不能被现有数据局限。如果分析出这个业务过程应该有这个指标，但是没有数据，请标注出来，提出收集数据的需求。

04
                        实体关系

7
每个业务动作都会有数据产生。我们将能够获取到的数据，提取实体，绘制ER图，便于之后的维度建模。

8
同样以业务过程为起点向下梳理，此时的核心是业务表。把每张表中涉及的维度、指标都整理出来。

05
                        维度整理

9
维度标准化是将各个业务系统中雷同的维度进行统一的过程。其字段名称、代码、名字都大概不一样，我们需要完全掌握，并标准化。

维度的标准尽大概参照国家标准、行业标准。例如地域可以参照国家行政区域代码。
别的，有些维度存在层级，如区域的省、市、县。绝大多数业务系统中的级联就是多层级维度。

06
                        数仓分层

10
数据仓库一样平常分为4层，名字大概会不一样，但是其目的和建立方法根本同等：

每一层采用的建模方法都不一样，其核心是逐层解耦。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。

11
依托数仓分层的计划理论，根据实际业务场景，我们就可以梳理出整体的数据流向图。这张图会很清晰的告诉所有人，数据从那来，到那里去，终极提供什么样的服务。

07
                        模型建立

12
此时才真正进入纯代码阶段。数仓、ETL工具选型；ETL流程开发；cube的建立；任务调度，设定更新方式、更新频率；每日查看日志、监控etl实行环境等等。

前面梳理清晰了，ETL会变的非常清晰

私货
1、数仓建立必须从业务中来，到业务中去；
2、数仓分层的目的是业务解耦；
3、无论哪种建模方式，其核心是业务实体；
4、按领域建立能快速交活，后遗症将会在2年之后爆发，且难以解决；
5、数仓建立应该把75%的时间投入到计划阶段，如果不是，那你就惨了；
6、数仓本身也可以迭代。
7、传统数仓并没有一种叫做“宽表模型”的模型，大数据期间新诞生的名词，因为很多大数据组件join代价极高。实际上是范式退化。

数据湖，比“数据中台”更需要重视的概念｜腾研识者
Flink + Iceberg 全场景实时数仓的建立实践
如何理解《2020年大数据白皮书》的大数据技术最新发展趋势？  原创
基于 Flink SQL 构建流批一体的 ETL 数据集成
万字长文解读最新最全的大数据技术体系图谱！
如何更深刻的理解 “Gartner2020年纪据与分析技术十大趋势”的内涵？