《全链路数据治理-智能数据建模 》——客户案例：汽车行业数据建模最佳实践(7) https://developer.aliyun.com/article/1230826?groupCode=tech_library
4. 维度建模
DataWorks 的智能建模遵循Kimball 维度建模理论。在此模块中，我们需要分别定义出维度表，明细表，汇总表的结构。
某维度表
某明细表
某汇总表
六、 总结
在建设的过程中，我们通过和车间负责人调研的方式了解各车间的生产业务和系统使用特点，最终圈定了生产、质量、设备和成本四个业务域来建设指标模型。
最终，我们在该企业共沉淀了100+个指标，按照车间、线体、工位、设备、车辆、班次、能耗类型、缺陷类型、告警类型等10+种不同维度延伸。帮助支撑了5 个以上应用及报表系统。
同时DataWorks 智能建模产品在项目中的使用，使我们在梳理建模工作步骤时更加规范化、体系化，对接工作不再是依赖于散乱的文档，而是把每一步的产出都沉淀到工作台上。可以看到我们建模的每一个步骤都在平台上做了落实，对初次参与建模工作的人来说，是非常友好的：有时面对复杂的建模流程，经验不那么丰富的工作人员可能会感到无从下手，靠着产品的引导可以很大程度帮助解决这个问题。后续我们也会将各个行业中的经验沉淀成行业数据模型模板，加速行业数据规范化建设。
