【荐读】数仓的建模和BI的建模有啥区别？

彭文华数据工程师

2024-09-16

数据仓库建什么模？

数据仓库建模分为4个阶段：业务建模、领域建模、逻辑建模和物理建模。通常意义上来说，我们说的建模狭义上指的是“逻辑建模”。业务建模和领域建模跟业务关系比较紧密，通常会在最开始就完成了。而物理建模就是执行一下脚本，分分钟就搞定了，比业务建模和领域建模还快呢。

而逻辑建模的时候，为了解耦，通常会把数仓进行分层设计。每一层的建模范式都不完全一样。比如：

其实上面的图也不完全正确。在传统数仓建模的时候，DWS其实也是用维度模型建模的。宽表模型是大数据环境下的产物。

啥？你问问建的模型长啥样？其实就是按照一定规则组合起来的一堆数据表。大致是这个德行的：

因为长的像星星，所以叫星型模型。除此之外，还有雪花型、星座型、cube、宽表等等。我这里有一篇文章，写的很详细：【戳我查阅：一口气讲完数据仓建模方法】，你可以去参考一下。

BI建什么模？

前面说了，此BI非彼BI。群里提问的哥们问的不是“商业智能”那个BI，而是BI产品的“BI”。

你想想，我们在数仓里建好模型了，不管是维度模型，还是宽表模型，还是Cube，然后呢？

当然是得有一个地方把这些数据展示出来了，要不放在那里生崽儿么？

这时候就轮到BI产品出马了。BI产品一端连着用户，另一端连着数据仓库。所以BI产品有一个巨大的任务，就是做业务和数据之间的翻译。这个时候就又轮到“建模”哥们出马了，在BI产品中，它是这个德行：

这是永洪网站上截的图，帮他们打个广告，支持一下国产BI产品。

这是QuickBi的说明，也是一个意思。

这个业务和数据之间的翻译工作该咋做呢？其实还是维度建模，就是设置维度和度量了。然后加上各种的个性化操作，什么传入参数了、表间关联关系了、确定维度和度量了、添加过滤条件了，甚至还可以新增维度和度量，比如以年龄字段为基础，新增一个年龄段的维度。

这些都是BI工程师做的偏业务的数据建模。建好模型之后，BI产品会把这些建模的信息保存好。当打开报表的时候，解析引擎会按照刚才建模的结果，解析成SQL语句，挨个执行。做各种查询、关联、传参、过滤，顺带则把新增维度、度量等操作也一并做了。最后把结果展示给用户。

总结

唉，不管是啥工作，都是一脑门子的官司，深究下去无穷无尽。

数据仓库的建模，目的是把数据整理好，所以重点在于实体与实体之间的关系。按照组织关系分类，自然就有星型、雪花型、星座等模型，也有为了加速存在的Cube和大数据环境特有的宽表模型。

BI产品的建模，目的是进行业务与数据之间的翻译。所以重点在于如何用现有数据满足业务的需求。于是就有了选择数据源、表间关联、传参、过滤、确定维度、确定度量、新增维度、新增度量等乱七八糟的操作。

这两个“建模”本来就是一件事情，只不过一个侧重数据的逻辑建模，一个侧重于数据的业务建模；一个是在数据仓库阶段，一个是在数据业务输出阶段；一个目的是为了数据组织和存储，一个目的是为了数据的业务表达。

(欢迎大家加入知识星球获取更多资讯。)

联系我们

扫描二维码关注我们

微信：SZH9543邮箱：ccjiu@163.comQQ：2286075659