阿里数据中台维度建模规范、维度模型设计及模型实施方法论

阿里中台的概念，可以说是近些年来的颇为火爆的概念。从十余年前的阿里在内部完成这一过程，并提出了“中台”概念；到后面中台概念逐步被外部接受并在2019年爆火兴起。数据中台爆火背后，既有传统企业转型焦虑的市场东风，又有阿里中台战略示范效应的推波助澜。下图为阿里中台架构（图片来自网络），其内置“大中台、小前台”的战略，其中包含了业务中台和数据中台的双中台配置。

从本质上来说，中台概念更多是一种方法论。它来告诉用户如何构建数据化服务体系，包括从数据集成、数据建模、数据开发、数据共享到数据质量、数据治理等。用户可以阿里云或其他中台产品去快速构建，也完全可以自主完成这一过程。本文就尝试从数据建模为切入点，描述如何完成这一过程。文中部分内容来自《阿里中台》一书和阿里云官网文档。

一、数据建模概述

1).建模意义

性能：良好的数据模型能帮助我们快速查询所需要的数据，减少数据的I/O吞吐。
成本：良好的数据模型能极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低大数据系统中的存储和计算成本。
效率：良好的数据模型能极大地改善用户使用数据的体验，提高使用数据的效率。
质量：良好的数据模型能改善数据统计口径的不一致性，减少数据计算错误的可能性。

2).模型方法论 - OLTP vs OLAP

OLTP系统面向的主要数据操作是随机读写，主要采用满足3NF的实体关系模型存储数据，从而在事务处理中解决数据的冗余和一致性问题
OLAP系统面向的主要数据操作是批量读写，事务处理中的一致性不是OLAP所关注的，其主要关注数据的整合，以及在一次性的复杂大数据查询和处理中的性能，因此它需要采用一些不同的数据建模方法。

3).数仓建模方法论