数据仓库：
维度建模
数据分层
命名规范
元数据管理
数据模型设计
前提设定： 物理世界的每一个度量事件 与对应的 事实表行 具有一对一的关系
内涵：数据组织，存储和使用的方法
注意方面： 功能实现 质量管理 性能效率 存储成本和收益 可扩展和方便维护
适应变化，一致性，及时， 安全 可追溯
适应变化： 业务快速发展， 人员快速变化， 业务功底不足
要什么：
指标和度量： 原子型
比例 比率 变化型 排名型
1.维度建模：
01.维度建模基本概念：
主题域 粒度 维度 度量 事实表
维度： 缓慢变化维
02.维度建模5步骤：
确定主题域 业务过程
确定粒度 特定级别的细节数据，细节程度 01.粒度是维度的组合 02 业务含义
确定维度
确定度量 创建事实表
说明：
维度属性：
查询的约束条件 分组汇总和排序， 确定主维度 和相关维度，从相关维度表中选择或生成新的维度
多值维度
维度的层次结构; 层次结构扁平化 层次桥接表
时间周期： 计算周期
03.维度
缓慢变化维 ： 重新维度值 增加维度行 增加维度列
维度建模总线
维度退化
维度整合和拆分
04.事实表选用
事务事实表
周期快照事实表
累积快照事实表
2 数据分层
从业务角度： 运营层（数据缓存，数据准备）、公共层（模型，标准）、服务层（应用服务，数据产品）
从技术角度
数据近源层、
公用模型层 (公共明细层、公共汇总层、公共维度层)
数据应用层
3.命名规范
数据表名 表意 表字符长度
4.元数据管理
技术元数据
业务元数据
5.数据管理和评估
数据分级： 分级依据-指标敏感等级，-指标重要等级
价值评估 容错率 调用率
6.指标分类体系
以数仓分层（ODS-CDM<DWD/DWS/DIM>-ADS），
维度建模作为理论基础，构建数据总线。标准化数据域、业务过程、维度、度量，
按原子指标、派生指标（原子指标+业务限定+时间周期构建）、衍生指标（派生指标的简单复合运算），形成指标构建方式分类体系。
参考：