简单设计一个onedata指标管理体系

• 2021 年 7 月 23 日
• 筆記
• 数据仓库

以阿里云的maxcompute的数据仓库架构为例，

从上往下定义， 

dwp的数据，来源是dws+dim，最主要是dws。这里不讨论dim的作用。

dws的数据来源于dwd。

dwd的数据来源于ods。

——–

接下来我们定义原子指标和派生指标。

派生指标定义在dws层。并且绑定原子指标。所有的应用数据由派生指标去group by。

原子指标定义在dwd层+虚拟层。原子指标绑定一个dwd的度量值，但是有可能会有计算，所以不完全在dwd，运行的时候可能会进行计算。称为一个虚拟的层。

当然可以把这个虚拟层做出来，专门做一层原子指标层。

这个时候我们的指标管理系统里面应该有以下东西：

举个例子：

应用指标需要：当月人流量大于2w次并且支付渠道为支付宝的的平均订单金额净增长，维度：每一个城市

拥有的业务过程：订单表。门店人流量表。

以上将一个应用指标的计算逻辑沉淀到不同的层次中的指标管理方式，实现了从度量值到最后应用指标的统一，再加上术语管理系统，

可以解决指标同名不同义，同义不同名的口径问题。称之为one data，即一个应用指标有且只有唯一的计算逻辑。

—————————————————————————————-

《模型的作用》

dws的表可以称之为派生指标的模型。

一个派生指标可以有不同的维度。比如近7月，近一个月，城市品类的，城市商圈的，所以 派生指标：模型 = 1：n

可以在录入不同维度的派生指标时，

①当做是不同的派生指标，将维度当做口径记录下来

②当做是同一个派生指标，建设不同维度的模型(表)，绑定这个派生指标。如果这么做，应用指标绑定的将不是派生指标，而是dws模型里的字段。

—————————————————————————————-

《是否可以将度量值认为是原子指标》

原子指标代表的是指标的最底层，是服务于指标系统的。度量值代表的是业务发生的过程中产生的数据，是记录业务客观现象的。

虽然两者的字段有很多重合的地方，最好将原子指标重新定义，防止指标管理体系和数仓公共表建设过于耦合而增大统一指标口径的难度。

—————————————————————————————-

《派生指标和应用指标的区别》

应用指标的来源是派生指标，不一定要计算同环比，很多时候名称是一模一样的。

他们的区别在于维度。

dws为了满足更多的应用指标的计算，维度会更多 更细。

打个比方，维度为城市 品类 商圈 门店等级 的订单金额，可以上卷 城市维度，品类维度，商圈维度，城市+品类维度，等多达15个组合的应用指标。

这样BI计算应用指标的时候，就只要根据自己关心的维度做group by即可，非常简单方便。