DataWorks数据建模(DDM)公测啦!-阿里云开发者社区

开发者社区> DataWorks> 正文
登录阅读全文

DataWorks数据建模(DDM)公测啦!

简介: 为帮助广大企业用户合理规划与建立云上数据仓库、落地并夯实企业数据治理项目,达到落实数据标准、提升数据可用性目的,阿里云DataWorks联合建模工具DDM(Datablau Data Modeler)为您提供一体化的数据建模解决方案,将数据模型设计管控、引标落标等能力融入DataWorks规范化开发流程,助力用户实现数据资产价值化输出,在数据全生命周期上夯实数据基础,为企业的数据价值化提供有力支撑。

DataWorks数据建模(DDM)公测啦!

  DataWorks数据建模(DDM)发布公测啦!  
为帮助广大企业用户合理规划与建立云上数据仓库、落地并夯实企业数据治理项目,达到落实数据标准、提升数据可用性目的,阿里云DataWorks联合建模工具DDM(Datablau Data Modeler)为您提供一体化的数据建模解决方案,将数据模型设计管控、引标落标等能力融入DataWorks规范化开发流程,助力用户实现数据资产价值化输出,在数据全生命周期上夯实数据基础,为企业的数据价值化提供有力支撑。   
当前公共云DataWorks用户可免费试用DataWorks数据建模(DDM)至**2021年2月17日**,如需试用其他Region请提交工单或联系本企业对应阿里云客户经理进行申请。
试用过程中如存在任何问题请扫码加入钉钉群咨询:
   image.png
Tips:该钉钉群为公共云用户公开交流群,群内交流请注意对本企业信息进行脱敏!

如何快速开始?

场景一:新建云上数据仓库
(1)背景  
某企业需基于阿里云MaxCompute构建数据仓库,在搜集完各业务部门的数据分析需求后,开始着手设计数仓模型以满足业务方后续分析需求。
(2)步骤  
 Step 1:下载DataWorks数据建模工具
 Step 2:下载数据标准模板
Step 3:定义企业数据标准并设计数据模型,并将设计好的模型下发至MaxCompute引擎内(如您使用的是子账号,需主账号为您授权,参考用户授权与管理)。

本步骤视频请观看:

相关建模方法论可参考:_数仓构建流程或维度建模等常见理论。
场景二:重新规划已有数据仓库
(1)背景  
某企业基于MaxCompute构建了数据仓库,几个月以来随着业务发展而快速扩张,由于前期缺少规划导致字段同名不义、同义不同命、字段类型与长度不同、数据口径不一致等质量问题,直接影响了CEO基于数据进行业务决策,因此需要一套专业化工具对已有数仓模型进行梳理、优化。
(2)步骤
Step 1:下载DataWorks数据建模工具
  Step 2:下载数据标准模板
  Step 3:参考[场景一]中的视频教程步骤定制企业数据标准并导入至DDM中。
  Step 4:通过DDM客户端逆向提取已有MaxCompute数据模型,并根据业务需求修改模型,最后将修改完成的模型下发回MaxCompute引擎中(如您使用的是子账号,需主账号为您授权,参考用户授权与管理)。

本步骤视频请观看:

相关建模方法论可参考:_数仓构建流程或维度建模等常见理论。
_

温馨提醒

如您需要全面了解DataWorks数据建模(DDM)请点击:产品介绍视频产品帮助文档
当前可通过DataWorks标准开发流程下发至引擎中的数模型类型为MaxCompute,后续我们将支持更多类型的引擎模型下发,敬请关注。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
DataWorks
使用钉钉扫一扫加入圈子
+ 订阅

DataWorks作为飞天大数据平台操作系统,对接各种大数据计算引擎,以all in one box的方式提供专业高效、安全可靠的全域智能大数据平台,高效率完成数据全链路研发流程,建设企业数据治理体系。 从2009年飞天大数据平台写下第一行代码开始,DataWorks历经10年发展,形成一套成熟的产品功能体系,满足企业数据中台搭建需求。

官方博客
DataWorks产品官网