数据中台公共层建设--多维度组合下的数据模型设计

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 对于数据中台指标而言,维度联合组合的情况越多,最终实现的指标越复杂。本文考虑为了满足多个维度任意组合下的指标,数据中台cdm公共层的事实表与维度表应该如何设计。

1、多维度组合筛选指标

以线下零售业务为主的公司,往往存在销售渠道维度、供应链渠道维度、多种商品维度等筛选条件。如下所示的数据中台公共层指标以及筛选条件:
image.png

上述指标的赛选条件含义:可以任意组合 “时间/品牌/销售渠道/组织结构/商品结构/商品属性/消费者类型/标签类型/性别/年龄段” 中的若干个筛选条件,得到对应条件下的会员有效销售金额派生指标。
上述指标需求属于典型的多维度组合筛选指标需求,我们在设计数据中台公共层数据模型的时候,必须考虑指标的所有最细粒度维度。上述维度和组合条件可以划分到以下3个最细粒度的维度:
(1)商品:包含商品品牌、商品结构、商品属性这3个筛选条件;
(2)门店渠道:包含销售渠道、组织结构这2个筛选条件;
(3)会员:包含消费者类型、标签类型、性别、年龄段这4个筛选条件。
因此,我们在设计数据中台公共层数据模型,fct公共事务表必须包含上述3个最细粒度的维度字段。同时,必须设计至少3个dim维度表(商品维表、门店维表、会员维表),且每个维度表至少包含上述几种属性。
image.png

为了实现上述设计的公共层数据表,需要对ODS贴源层数据进行预处理。本文建议单独建立一张ODS数据表,将商品、门店、会员3种粒度的支付收款数据通过join数据表关联融合成一张数据表,公共层数据模型直接引用这张数据表。

2、多维度组合筛选情况下的比率型指标如何构建

对于报表开发而言,比率型指标有两种常见的开发方式:
第一种:提前将比率型指标的分子、分母计算逻辑开发完成,然后再将所有可能维度组合下的分子/分母求和,得到所有可能维度组合下的比率型指标。报表工具直接使用计算得到的比率型指标。
第二种:提前将比率型指标的分子、分母计算逻辑开发完成,所有比率型指标都在报表工具建立新的指标(写表达公式实现的指标)去实现。
以下面的比率型指标举例:
image.png

需要实现“时间/品牌/销售渠道/组织结构/商品结构/商品属性/消费者类型/标签类型/性别/年龄段”任意组合下的“会员连单率 = 单比销售两件以上(含两件)的单数 / 销售订单数”。
比如:
组合1:筛选品牌1/品牌2 + 线下专卖店销售渠道 + 西服/衬衫/皮鞋 + 今年新品 + 男性会员 + 30-40岁会员;
组合2:筛选品牌1/品牌3 + 天猫旗舰店/京东旗舰店 + 连衣裙/小西装 + 女性会员 + 25-30岁会员 + 金牌会员;

上述两种组合完全不同,得到的“会员连单率”指标结果不同。在9种属性中的任意若干个组合下,即使有一个属性不同,对应的“会员连单率”指标也会变化。
针对上述任意维度组合筛选条件下的比率型指标,我们建议在公共层(CDM层和ADS层)均开发分子和分母的指标。
(1)分子:单比销售两件以上(含两件)的单数,具有可加性;
(2)分母:销售订单数,具有可加性。
分子分母均具有可加性,因此可以在ADS应用层分别建设分子和分母的指标。然后在报表工具建立新的指标:

*会员连单率 = sum(单比销售两件以上(含两件)的单数) / sum(销售订单数)*

在报表工具建立好上述指标之后,就可以利用报表工具实现任意维度组合下的会员连单率指标。

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
存储 SQL 供应链
数据中台实战(06)-数据模型无法复用,归根结底还是设计问题
数据中台实战(06)-数据模型无法复用,归根结底还是设计问题
153 0
《阿里云数据中台电信行业数据模型白皮书》电子版地址
阿里云数据中台电信行业数据模型白皮书
530 0
《阿里云数据中台电信行业数据模型白皮书》电子版地址
|
存储 数据采集 大数据
数据中台模型设计系列(一):维度建模初探
本文从几个常见概念入手,介绍模型设计与它们的关系,在列举当前企业模型设计的建设方法,并重点介绍“维度建模”。
3765 0
数据中台模型设计系列(一):维度建模初探
|
机器学习/深度学习 数据采集 存储
袋鼠云数据中台专栏2.0 | 数据中台综述:三个维度看数据中台
一、关于数据中台的9个名词 数据中台是什么,当前有很多解释,但是它一定不是哈姆雷特。 新兴的事物总会被各种解读,但是当人们足够熟悉了以后,总会有一个公允的定义得到广泛的认可和接受。这个过程中,最可以用于度量的便是「功能定义」与「业务价值」。
3771 0
|
数据建模
数据中台的OneModel体系与经典维度建模理论有何关系?
作者:柯根 更多内容详见数据中台官网 https://dp.alibaba.com维度建模经典理论维度建模是数据仓库建设中的一种数据建模方法,将数据结构化的逻辑设计方法,它将客观世界划分为度量和上下文,Kimball最先提出这一概念。
6409 0
|
6月前
|
Shell Android开发
Android系统 adb shell push/pull 禁止特定文件
Android系统 adb shell push/pull 禁止特定文件
552 1
|
6月前
|
Android开发 Python
Python封装ADB获取Android设备wifi地址的方法
Python封装ADB获取Android设备wifi地址的方法
152 0
|
开发工具 Android开发
Mac 安卓(Android) 配置adb路径
Mac 安卓(Android) 配置adb路径
840 0
|
3月前
|
Shell Linux 开发工具
"开发者的救星:揭秘如何用adb神器征服Android设备,开启高效调试之旅!"
【8月更文挑战第20天】Android Debug Bridge (adb) 是 Android 开发者必备工具,用于实现计算机与 Android 设备间通讯,执行调试及命令操作。adb 提供了丰富的命令行接口,覆盖从基础设备管理到复杂系统操作的需求。本文详细介绍 adb 的安装配置流程,并列举实用命令示例,包括设备连接管理、应用安装调试、文件系统访问等基础功能,以及端口转发、日志查看等高级技巧。此外,还提供了常见问题的故障排除指南,帮助开发者快速解决问题。掌握 adb 将极大提升 Android 开发效率,助力项目顺利推进。
88 0