数据仓库建模流程 - 168大数据

数据模型：抽象描述现实世界的一种工具和方法，通过抽象的实体及实体之间联系的形式，来表示现实世界中事务的相互关系的一种映射。在这里，数据模型表现的抽象的是实体和实体之间的关系，通过对实体和实体之间关系的定义和描述，来表达实际的业务中具体的业务关系。
.
数据仓库模型：数据模型中针对特定的数据仓库应用系统的一种特定的数据模型，一般而言，数据仓库模型分为以下几个层次。
1)业务建模，生成业务模型，主要解决业务层面的分解和程序化，包括以下几个部分：
..a)划分整个单位的业务，一般按照业务部门划分，进行各个部分之间业务工作的界定，理清各业务部门之间的关系。
..b)深入了解各个业务部门的内部具体业务流程并将其程序化。
..c)提出修改和改进业务部门工作流程的方法并程序化。
d)数据建模的范围界定，整个数据仓库项目的目标和阶段划分。
2)领域建模，生成领域模型，主要是对业务模型进行抽象处理，生成领域概念模型，包括以下几个部分：
..a)抽取关键业务概念，并将之抽象化。
..b)将业务概念分组，按照业务主线聚合类似的分组概念。
..c)细化分组概念，理清分组概念内的业务流程并抽象化。
..d)理清分组概念之间的关联，形成完整的领域概念模型。
3)逻辑建模，生成逻辑模型，主要是将领域模型的概念实体以及实体之间的关系进行数据库层次的逻辑化，包括以下几个部分：
..a)业务概念实体化，并考虑其具体的属性
..b)事件实体化，并考虑其属性内容
..c)说明实体化，并考虑其属性内容
4)物理建模，生成物理模型，主要解决逻辑模型针对不同关系型数据库的物理化,包括数据冗余和性能的权衡、数据类型、长度、索引、数据存储等细节问题。包括以下几个部分：
..a)针对特定物理化平台，做出相应的技术调整
..b)针对模型的性能考虑，对特定平台作出相应的调整
..c)针对管理的需要，结合特定的平台，做出相应的调整
..d)生成最后的执行脚本，并完善