BIEE Admin Tool建模13条黄金规则

简介:   1、物理层(Physical Layer):1)总是通过Foreign Key连接,而不是“Complex Joins”。2)模型为星型结构。3)连接池选用Native的连接方式。

 

1、物理层(Physical Layer):
1
)总是通过Foreign Key连接,而不是“Complex Joins”
2
)模型为星型结构。
3
)连接池选用Native的连接方式。
2
、语义对象层(Business Model And Mapping Layer):
1
)命名,逻辑表具有前缀标识:Dim_Fact_
2
)列名真正的反映业务含义,非数据库字段名。
3
)物理主键(事实表)应该去掉,除非报表中要求展现;逻辑维表具有业务导向逻辑主键。
4
)维表中包含维的属性列,不应该包含指标列,反之,事实表中应更多的是指标列,同时对指标列计算方法给与指定。
5
)模型为星型结构,维表和事实表应该使用”Complex Joins”
6
)每个维表都应该有对应的层级关系(Dimension Hierarchy),对每个层级设定合理的数值(拥有的成员数)
7
)尽量不要把指标放在一个事实表中,例如:实际值放在实际逻辑表中,预测值放在预测表中。
3
、表示层(Presentation Layer):
1
)通用维度排列顺序一致性。
2
)前缀去掉。
3
)时间维放在最前面,指标事实表放在最后。

 

目录
相关文章
|
4月前
|
编解码 算法
【论文速递】Remote Sensing2021 : 通过半全局匹配法的SAR立体图像DSM生成以及惩罚方程的评估
【论文速递】Remote Sensing2021 : 通过半全局匹配法的SAR立体图像DSM生成以及惩罚方程的评估
|
3月前
|
机器学习/深度学习 人工智能 监控
人工智能平台PAI产品使用合集之设置了7个特征,但在最后生成的数据表中只包含了6个id_feature的特征,是什么导致的
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
4月前
|
SQL 机器学习/深度学习 算法
SQL SERVER ANALYSIS SERVICES决策树、聚类、关联规则挖掘分析电商购物网站的用户行为数据
SQL SERVER ANALYSIS SERVICES决策树、聚类、关联规则挖掘分析电商购物网站的用户行为数据
|
4月前
|
数据可视化 Serverless API
Python风险价值计算投资组合VaR(Value at Risk )、期望损失ES(Expected Shortfall)
Python风险价值计算投资组合VaR(Value at Risk )、期望损失ES(Expected Shortfall)
|
4月前
|
前端开发
R语言实现随机前沿分析SFA、数据包络分析DEA、自由处置包分析FDH和BOOTSTRAP方法
R语言实现随机前沿分析SFA、数据包络分析DEA、自由处置包分析FDH和BOOTSTRAP方法
|
11月前
|
自然语言处理 开发者
如何评价 ChatGPT 回答策略的 ensure only ethical usage 特质
如何评价 ChatGPT 回答策略的 ensure only ethical usage 特质
|
前端开发 UED 开发者
钉钉多维表设计系统(Design System)(1) —— Design Token 视觉语言
一、背景2022 年 11 月,钉钉多维表进行全新改版。改版过程中,出于解决体验一致性、提升研发效率、降低沟通成本的需求,急需构建一套设计系统(Design System)以供使用。这套系统由以下三个部分构成:we-design-next 组件库、WCON 图标交付方案、Design Token 视觉语言本期主要对 Design Token 的使用与实现进行讲解二、Design Token 概述为
393 0
钉钉多维表设计系统(Design System)(1) —— Design Token 视觉语言
|
机器学习/深度学习 运维 算法
DataScience&ML:金融科技领域之风控的简介、类别、应用流程(定义目标变量→特征构建思路等)、案例集锦之详细攻略
DataScience&ML:金融科技领域之风控的简介、类别、应用流程(定义目标变量→特征构建思路等)、案例集锦之详细攻略
DataScience&ML:金融科技领域之风控的简介、类别、应用流程(定义目标变量→特征构建思路等)、案例集锦之详细攻略
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
|
算法 ice
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集
406 0
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集