数据仓库：DWS层设计原则

---

简介

对于数仓的分层，想必大家都不陌生。基于OneData方法论的三层数仓划分：数据引入层（ODS，Operational Data Store）、数据公共层（CDM，Common Dimenions Model）和数据应用层（ADS，Application Data Store）早就深入人心。

当然啦，涉及到每一层具体该怎么开发、建模，可能大家都有自己的理解。

但好在大家对数据建模重要性的认识那都是一致的，如果我们把指标比作树上的果实，那么模型就好比是大树的躯干，想让果实结得好，必须让树干变得粗壮。

我们先来回想下，构建数据中台的初衷是什么：

• 缺少可以复用的数据
• 大家不得不使用原始数据进行清洗、加工和计算指标
• 大量重复代码的开发对资源的消耗

问题的根源就在于数据模型的无法复用，以及数据开发都是烟囱式的。所以要解决这个问题，就要搞清楚健壮的数据模型该如何设计。

数仓分层设计思路

下图是数仓分层的逻辑架构图，大