1.分层目的
数据能够有秩序地流转，数据的整个生命周期能够清晰明确被设计者和使用者感知到
层次清晰、依赖关系直观
2.分层的优点：
清晰数据结构：每一个数据分层都有它的作用域和职责，在使用表的时候能更方便地定位和理解
减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算
统一数据口径：通过数据分层，提供统一的数据出口，统一对外输出的数据口径
复杂问题简单化：将一个复杂的任务分解成多个步骤来完成，每一层解决特定的问题
3.一种通用的数据结构
ODS层：贴源层(近源层)
来源于各个业务系统数据
为了后续能够追溯问题，ods层一般不做过多的数据清洗工作，直抽各个业务系统数据，可以做部分的ETL清洗，如统一单位、命名、编码等
DW层：数据仓库层
数据仓库的核心层。从ods获取数据按照主题建立数据模型。
可细分为：DWD（数据明细层） DWM（数据中间层） DWS（数据中间层）
DWD:保存跟ods层一样的数据粒度，并提供一定的数据质量保证。
为提高明细的易用性，减少事实表与维表的关联，该层会采用维度退化手段，将维度退化至事实表中。
该层也会做数据聚合，将相同主题的数据汇集至一张表中
DWM:在DWD数据基础上，做轻度聚合，生成一系列中间表，提高公共指标的复用性，减少重复加工
即：对通用的核心维度进行聚合操作
DWS:数据集市/宽表
按照业务划分，生成字段较多的宽表，用于提供后续的业务查询，olap分析，数据分发等。
该层的数据表相对较少，一张表会涵盖比较多的业务内容，由于字段数较多，因此会称该层的表为宽表
ADS:数据应用层
提供给数据产品，数据分析使用的数据。
DIM:维表层
高基数维度数据：用户资料表、商品信息表 数据量上千万 上亿
低基数维度数据：配置表，数据量在个位数 或者几千几万
