一、为什么要数据建模

判断一个年轻人有没有潜力，很重要的标准，就是看他如何对待一项从来没有做过的事情。我们常常会引入“体系感”来描述这个学习和上手的过程。所谓体系，就是将做事的方法、步骤和流程，通过拆分与组合，构建出一条达到目标的路径图。无论是交代下来的新任务，还是处理一件很棘手的新事情，它们背后或多或少都一定有一套体系方法存在。它既是做事诀窍，也是避坑指南，更是帮助我们快速高效达到目标的行动指引。

然而很少有人在做事之前，会去考虑这些东西。大多数人往往是“直觉型”选手。布置下来事情了，什么都不多问，什么也不多想，不管三七二十一凭感觉吭哧吭哧去干。如果没有一个有经验的人全程监督带着你，一定会走许多冤枉路，做许多无用功。这反映在老板眼里，就是一个效率低下的印象。普通人是先干再想，出了问题再回头去琢磨原因；聪明人是先想再干，把可能出现的错误减少到最低，最大程度避免弯路出现。这中间的区别，就是体系感（如下图）：

图中的小编号就是做事的步骤。这种体系流程化的思维一旦变成习惯，能够极大提升工作效率。

“You might put up a camping tent without assembly instructions，but would you really try to build your corporate headquarters without a documented blueprint ?”
在建房子的时候我们也需要图纸。如果没有图纸的规划，可想而知建成的房子既丑陋又不结实。

我们通过“体系感”来把控自己，通过图纸来建立高楼大厦。同样，我们可以通过“数据模型”来管理我们的数据。

数据模型就是数据的组织和存储方法，它强调了从业务、数据存取和使用角度合理存储数据、有了适合业务和基础数据存储环境的模型，那么大数据就会获得以下好处：

性能

良好的数据模型你帮助我们快速查询所需要的数据，减少数据的IO吞吐。

成本

良好的数据模型能极大地减少不必要的数据冗余，也能实现计算结果复用，
极大地降低大数据系统中的存储和计算成本。

效率

良好的数据模型能极大地改善用户使用数据的体验，提高使用数据的效率。

质量

良好的数据模型能改善数据统计口径的不一致性，减少计算错误的可能下。

二、数据建模种类

1、关系建模（3NF）

定义：通过实体关系(E-R)体现企业经营活动的业务要素和业务规则，通过满足 3NF 设计消除数据冗余。

优点：模型稳定、灵活、扩展性强

缺点：牺牲一定数据访问的便利性和业务的可理解性

适用性：适用核心基础数据的组织和管理(ODS层)

应用行业：非互联网行业，如传统金融、证券行业、电信行业、零售、航空等

3NF核心表间关系：1-1；n-1；1-n；n-n；

数据库的设计：从事物出发、减少冗余；

数据的仓库：从分析出发

2、维度建模

定义：按照维度表、事实表构建数据模型，通过指标评价企业经营活动

优点：容易理解，可分析性高(DM层)

缺点：稳定性扩展性弱、数据冗余

适用性：从业务需求出发，为分析提供服务

适用行业：互联网行业

三、3NF数据建模

三范式设计可查看之前的博客：https://blog.csdn.net/weixin_45399233/article/details/95957046

1、范式介绍

1NF：属性原子不可分

2NF：满足 1NF，且表中的每一个非主属性，必须完全依赖于本表的主键

3NF：确保每列都和主键列直接相关,而不是间接相关

2、3NF建模实战

业务场景：某个同学在 XXX 银行的 XXX 支行的柜台新开了一个账户，并且存入了100人民币活期。

业务要素：客户信息、账户信息和交易信息等

3NF建模：

四、维度建模

1、维度和指标的概念

按照维度表、事实表构建数据模型，通过指标评价企业经营活动。

维度一般包括：地区、时间、部门、产品等等。

指标一般包括：销售数量、销售金额、平均销售金额等等。

2、星型模型

星型模是一种多维的数据关系，它由一个事实表和一组维表组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。这也是我们在使用 hive 时，经常会看到一些大宽表的原因，大宽表一般都是事实表，包含了维度关联的主键和一些度量信息，而维度表则是事实表里面维度的具体信息，使用时候一般通过 join 来组合数据，相对来说对OLAP 的分析比较方便。

星型模型以事实表为中心，周围可以有很多维度，这些维度只能有一级维度(维度下面不能有子维度)

3、雪花模型

当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 "层次 " 区域，这些被分解的表都连接到主维度表而不是事实表。雪花模型更加符合数据库范式，减少数据冗余，但是在分析数据的时候，操作比较复杂，需要 join 的表比较多所以其性能并不一定比星型模型高。

雪花模型以事实表为中心，周围可以有很多维度，维度下面可以有子维度

4、星型与雪花模型对比

	查询速度	扩展性	冗余度	对事实表的情况	表个数
星型模型	快（一般2张表join）	扩展性比较弱	高	低	少
雪花模型	慢（一般多张表join）	扩展性比较强	增加宽度	字段比较少，冗余低	多

5、维度建模测试案例

业务需求：高层领导想看不同地区、不同时间、不同部门、不同产品的销售数量、销售金额和平均销售金额？

梳理维度和指标

维度包括：

• 地区

• 时间（每天、每周、每月）

• 时间是yyyy-mm-DD HH:mm:ss

  基本维度：yyyy-mm-DD HH:mm:ss

  衍生维度：day、week、month、quarter、year

• 部门

• 产品

指标包括：

• 基础指标

  销售数量、销售金额

• 衍生指标

  平均销售金额

业务系统里面有一张销售表：

saler_id	productName	date	amount	price	city
001	P30	2019-09-05 20:05:30	1	3000	北京

产品维度：

productId	productName
s001	iphoneX
s002	P30
s003	MI8
s004	R20

时间维度：

date	day	week	month	quarter	year
2019-09-05 20:05:30	20190905	36	201909	3	2019

地区维度：

area_id	cityName
010	北京

创建事实表（fact）：

saler_id	productId	date	area_id	count	price
01	P30	2019-09-05	010	1000	3000

分析指标：

  select p.productName,sum(price) from fact f join product p on f.productId = p.productId group by p.productName; 

五、3NF建模与维度建模的区别

业务场景：大家去超市买东西，付完钱会给你一张购物明细，同学们想一下，这张购物明细分别用3NF建模和维度建模，怎么做？

3NF建模如下：

维度建模如下：

六、指标和维度建模步骤

1、业务需求转化为数据接口

2、维度梳理

3、指标梳理和确认

指标分类：

• 可加：如金额、数量等

• 不可加：如折扣、汇率等

4、一致性分析矩阵

维度\指标	销售量	销售金额	平均销售金额
日期			√
时间	√
地区		√
商品	√