步态大数据中心文化建设-中科汇成-大数据中心文化建设

大数据中心建设——公共维度模型层（CDM）

存放明细事实数据、维表数据及公共指标汇总数据，其中明细事实数据、维表数据一般根据ODS层数据加工生成；公共指标汇总数据一般根据维表数据和明细事实数据加工生成。

CDM层又细分为DWD层和DWS层，分别是明细数据层和汇总数据层，采用维度模型方法作为理论基础，更多地采用一些维度退化手法，将维度退化至事实表中，减少事实表和维表的关联，提高明细数据表的易用性；同时在汇总数据层，加强指标的维度退化，采取更多的宽表化手段构建公共指标数据层，提升公共指标的复用性，减少重复加工。其主要功能如下。

组合相关和相似数据：采用明细宽表，大数据中心文化建设，复用关联计算，减少数据扫描。

公共指标统一加工：基于OneData体系构建命名规范、口径一致和算法统一的统计指标，为上层数据产品、应用和服务提供公共指标；建立逻辑汇总宽表。

建立一致性维度：建立一致的数据分析维表，降低数据计算口径、算法不统一的风险。

大数据中心建设——模型设计

模型设计指导理论：

模型层次：把表数据模型分为三层：操作数据层（ODS）、公共维度模型层（CDM）和应用数据层（ADS），其中公共维度模型层包括明细数据层（DWD）和汇总数据层（DWS）。

操作数据层（ODS）：把操作系统数据几乎无处理地存放在数据仓库系统中。

同步：结构化数据增量或全量同步。

结构化：非结构化（日志）结构化处理并存储。

累积历史、清洗：根据数据业务需求及稽核和审计要求保存历史数据、清洗数据。

大数据中心建设——应用数据层（ADS）

存放数据产品个性化的统计指标数据，根据CDM层与ODS层加工生成。

个性化指标加工：不公用性、复杂性（指数型、比值型、排名型指标）。

基于应用的数据组装：大宽表集市、横表转纵表、趋势指标串。

通过构建全域的公共层数据，智能云大数据中心文化建设公司，极大地控制了数据规模的增长趋势，步态大数据中心文化建设，同时在整体的数据研发效率、成本节约、性能改进方面都有不错的效果。

数据调用服务优先使用公共维度模型层（CDM）数据，当公共层没有数据时，需评估是否需要创建公共层数据，智能云大数据中心文化建设费用，当不需要建设公用的公共层时，方可直接使用操作数据层（ODS）数据。应用数据层（ADS）作为产品特有的个性化数据一般不对外提供数据服务，但是ADS作为被服务方也需要遵守这个约定。