《全链路数据治理-智能数据建模 》——客户案例：菜鸟集团数仓建模(3) https://developer.aliyun.com/article/1230931?groupCode=tech_library
三、 数据建模平台建设
DataWorks 数据建模平台是菜鸟、大淘系（淘宝/天猫）、盒马、本地生活等多个部门和阿里云DataWorks 团队共建的基于维度建模的数据数仓建模平台，菜鸟集团作为较早参与的部门，从2020 年开始与DataWorks 团队完成了产品从需求、开发、落地、迭代的整个周期。
1. 智能数据建模平台规划
菜鸟通过对所需功能进行梳理，总结出从规范定义、便捷开发、发布评审、业务管理四个模块来研发这个建模工具：
1) 规范定义
在前期，菜鸟是没有这个数据建模平台的，大家都是以线下的建模方式，比如对Excel梳理后，进行数据探查之后进行模型的设计，然后再线下进行模型评审。整个模型设计和评审都在线下。最终导致大家数据建模的时候没有形成一个规范，数据开发过程是不严谨的，下游有了大量的引用之后，切换的成本也非常高，模型维护的成本非常高，变得越来越差。所以我们希望将规范的定义搬到线上，上图中列出了线上规范定义的主要内容。
2) 发布评审
之前我们的评审也是在线下进行，在架构师和工程师比较忙的时候，评审流程就不够严谨，甚至没有走评审的过程就直接发布了，所以我们希望将这个功能也搬到线上去。
发布前我们会对表命名、字段命名进行强校验，同时支持多引擎发布，比如我们的离线数据存在MaxCompute 或者Hive 上面，还有一部分数据存在MySQL 或者Oracle 上面等等。影响性检查是模型发布之后，对于下游的引用这个模型的ETL脚本是不是有一些影响，比如有的时候我们新增了一个字段，下游同学使用的时候是select*的方式，而他的表没有新增的这个字段，就会导致下游任务报错。
3) 便捷开发
这是核心重要的一点。我们希望将建模方式从线下搬到线上之后，不要影响大家的开发效率，所以我们设计了各种提高效率的便捷开发功能。
4) 业务管理
这是从使用的角度上来说的。对于研发人员来说，我们有业务分类和数据域的视角，对于业务人员来说，我们提供数仓大图和数据字典的视角。从成本治理的角度来说，比如一些历史上的模型可以做归并或下线。菜鸟集团将以上能力与DataWorks 的数据建模平台紧密结合，沉淀了数仓规划、数据标准、数据建模、数据指标四大核心功能模块，接下来将为大家逐一介绍菜鸟集团的使用情况。
2. 智能数据建模平台核心功能
《全链路数据治理-智能数据建模 》——客户案例：菜鸟集团数仓建模(5) https://developer.aliyun.com/article/1230928?groupCode=tech_library
