【数据仓库】主题域和数据域

数据域与主题域区别

https://www.cnblogs.com/datadance/p/16898254.html

  • 数据域是自下而上,以业务数据视角来划分数据,一般进行完业务系统数据调研之后就可以进行数据域的划分。针对公共明细层(DWD)进行主题划分。
  • 主题域则自上而下,以业务分析视角来划分数据,一般进行完业务需求调研之后才可以进行主题域的划分。针对公共汇总层(DWS)进行数据域划分。

举个更形象点的例子,建设数仓就像饭店做菜一样,数仓在面向业务系统数据根据其特点划分出数据域,如同厨房根据采购的食材特点将它们摆放在不同货架区,如肉禽区、果蔬区、调味区等。而数仓在面向业务分析根据其需求划分出主题域,如同饭店根据不同食客群体的口味需求将食材做成了不同菜系,如江浙菜、鲁菜、川菜等。

对于数据仓库的定义是这样的,它是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。

相关推荐
core5121 天前
Hive实战(三)
数据仓库·hive·hadoop
程序员小羊!1 天前
大数据电商流量分析项目实战:Hive 数据仓库(三)
大数据·数据仓库·hive
core5122 天前
Hive实战(一)
数据仓库·hive·hadoop·架构·实战·配置·场景
core5123 天前
Hive实战(二)
数据仓库·hive·hadoop
Agatha方艺璇4 天前
Hive基础简介
数据仓库·hive·hadoop
Leo.yuan4 天前
不同数据仓库模型有什么不同?企业如何选择适合的数据仓库模型?
大数据·数据库·数据仓库·信息可视化·spark
chat2tomorrow4 天前
数据采集平台的起源与演进:从ETL到数据复制
大数据·数据库·数据仓库·mysql·低代码·postgresql·etl
DashingGuy5 天前
数仓建模理论
数据仓库
像豆芽一样优秀5 天前
Hive和Flink数据倾斜问题
大数据·数据仓库·hive·hadoop·flink