背景
- 公司业务整合，指标管理混乱，数据不一致问题严重，另外指标的开发和迭代效率也比较低；
- 举措：进行集团指标认证，数据指标重新开发；
建设前
面临的问题
- 指标非常多，业务复杂，变化快；
- 人少，排期紧张，如果提高开发效率；
- 核心诉求满足：数据一致性；数据开发效率高，响应快；用户理解使用效率高；
入手点
-
面向需求，采用维度建模；
-
参考OneData方法论进行指标设计思考，解决指标一致性问题（同名同义，异名异义）
-
参考OneModel规范定义的思考（逻辑表，物理表），进行模型方案的设计，解决开发标准化，扩展性以及开发效率的问题（智能模型构建）；
建设中
1.需求梳理
- 梳理指标定义，计算逻辑；
- 了解业务，梳理业务流程；
- 对指标进行拆解（原子指标，衍生指标，复合指标，时间周期，业务限定修饰词）；
- 进行指标的命名规范（指标命名，业务限定修饰词命名），编写数据字典；
2.数仓规划
- 数据分层划分；
- 数据主题域，业务过程划分；
- 数仓规范设计（数据表命名规范，字段命名规范，血缘依赖规范，数据表结构规范….），产品化、自动构建思考（提高开发和管理效率）
- 事实表，业务限定标签表，应用汇总模型表设计
3.开发实施
- 开发效率：模型标准化，接口及组件化（表结构一致，多层同步实施）；
- 管理效率：产品工具研发（数仓规划，模型管理，指标管理，模型批量构建工具）
- 数据测试
建设后
- 用户使用思考：数据可见、可懂、可用（数仓白皮书、指标白皮书、指标图谱工具）
- 数据质量问题：数据完整性，准确性，一致性
- 数据标准稽查：标准稽查，依赖巡检
- 生命周期管理：权限管理，上下线管理
- 数据价值量化：用户使用情况分析，存储分析，陈本分析
- 数据应用探索：数据产品，场景化赋能