馮秀榮 劉 海

（1.之江實驗室交叉創(chuàng)新研究院 浙江杭州 311121；2.天樞數(shù)鏈（浙江）科技有限公司 浙江杭州 310012）

引言

如今，數(shù)據(jù)已是除土地、勞動力、資本、技術外的第五大生產(chǎn)要素，無論傳統(tǒng)企業(yè)還是互聯(lián)網(wǎng)企業(yè)，都紛紛希望借助大數(shù)據(jù)技術，讓數(shù)據(jù)為企業(yè)發(fā)展做出更科學決策。企業(yè)經(jīng)營分析是利用會計核算、統(tǒng)計核算、業(yè)務以及其他方面提供的數(shù)據(jù)信息，采用一定分析方法，依靠計算機技術，分析企業(yè)經(jīng)營活動的過程及其結果，從而加強對企業(yè)運行情況的把握，監(jiān)控運行過程的問題，發(fā)現(xiàn)商業(yè)機會以及提煉經(jīng)營管理知識，以便充分挖掘人力、物力、財力潛力，合理安排生產(chǎn)經(jīng)營活動，提高經(jīng)濟效益的一門經(jīng)營管理科學和活動。企業(yè)經(jīng)營分析系統(tǒng)是以企業(yè)內(nèi)部各業(yè)務系統(tǒng)的數(shù)據(jù)以及外部可獲取的符合企業(yè)需求的各類數(shù)據(jù)為基礎數(shù)據(jù)源，構建統(tǒng)一的企業(yè)級數(shù)據(jù)中臺，利用OLAP（On-Line Analytical Processing）、ETL（Extract-Transform-Load）及數(shù)據(jù)挖掘技術，幫助企業(yè)的管理決策層了解企業(yè)經(jīng)營的現(xiàn)狀，發(fā)現(xiàn)企業(yè)發(fā)展的優(yōu)勢和劣勢，助力預測未來趨勢；幫助企業(yè)細分市場和客戶，指導營銷、客服部門開展有針對性的營銷和高效的客戶關系管理；對決策的執(zhí)行情況和結果進行客觀準確的評估。企業(yè)經(jīng)營分析系統(tǒng)不僅是對企業(yè)經(jīng)營分析活動的信息化支撐，更重要的是對企業(yè)經(jīng)營管理活動的信息化支撐，是企業(yè)經(jīng)營管理信息化的具體實現(xiàn)。企業(yè)經(jīng)營分析系統(tǒng)實現(xiàn)了一個從數(shù)據(jù)到信息再到知識的轉(zhuǎn)化過程，是一項較為完整的從技術到管理的活動。企業(yè)經(jīng)營分析系統(tǒng)根據(jù)使用對象的不同，構建不同的數(shù)據(jù)模型。一般而言，面向業(yè)務運營人員的數(shù)據(jù)模型，數(shù)據(jù)顆粒度比較細，需要針對某個具體問題進行深入多維度數(shù)據(jù)分析或者數(shù)據(jù)挖掘，形成專題分析報告，以便了解新產(chǎn)品發(fā)展情況或產(chǎn)品優(yōu)化效果，助力產(chǎn)品用戶規(guī)模、用戶體驗或產(chǎn)品營收達到預期。面向管理決策層的數(shù)據(jù)模型，數(shù)據(jù)顆粒度相對較粗，基本以日為最小統(tǒng)計周期（個別情況會涉及以小時為統(tǒng)計周期）的匯總性指標，數(shù)據(jù)指標多且多為綜合性衍生指標。本文提出的數(shù)據(jù)模型優(yōu)化方法主要針對面向管理決策層用戶的數(shù)據(jù)模型。

企業(yè)經(jīng)營分析相關內(nèi)容

（一）企業(yè)經(jīng)營分析指標體系

企業(yè)經(jīng)營分析指標體系是指由若干個反映企業(yè)經(jīng)營發(fā)展總體數(shù)量特征相對獨立又相互聯(lián)系的統(tǒng)計指標所組成的有機整體。本文以一般互聯(lián)網(wǎng)企業(yè)為例，如圖1所示，企業(yè)經(jīng)營分析主要從業(yè)務域、財務域、管理域、研發(fā)域及市場域五大領域構建企業(yè)經(jīng)營分析指標體系。其中業(yè)務域包含企業(yè)各個業(yè)務線條一系列反映業(yè)務發(fā)展的相關指標，比如新增用戶數(shù)、累計用戶數(shù)、用戶活躍率、用戶留存率等。財務域主要圍繞財務三大報表（資產(chǎn)負債表、利潤表和現(xiàn)金流量表）以及公司管理決策層的關注重點開展指標體系設計，主要包含收入類、成本費用類、績效類、現(xiàn)金流量、資產(chǎn)負責、資本開支等方面的指標。管理域主要從員工管理、項目管理、知識產(chǎn)權管理及服務管理等方面展開。研發(fā)域主要從研發(fā)質(zhì)量和系統(tǒng)能力兩方面展開分析。市場域主要從業(yè)務的市場規(guī)模、行業(yè)發(fā)展等方面開展分析?？缬虻木C合性分析指標也很重要，比如人均產(chǎn)值、人均人工成本、ARPU等。

（二）互聯(lián)網(wǎng)企業(yè)經(jīng)營分析特點

互聯(lián)網(wǎng)企業(yè)的經(jīng)營分析有以下特點：企業(yè)經(jīng)營分析指標易變性。在企業(yè)經(jīng)營分析中，經(jīng)營分析內(nèi)容往往圍繞企業(yè)年度戰(zhàn)略開展，但隨著業(yè)務的快速發(fā)展及市場的瞬息萬變，企業(yè)戰(zhàn)略往往會隨之調(diào)整。因此，經(jīng)營分析內(nèi)容也將隨著戰(zhàn)略的變化而調(diào)整。企業(yè)經(jīng)營分析指標多樣性。企業(yè)經(jīng)營分析涉及企業(yè)經(jīng)營的方方面面，包括業(yè)務域、財務域、管理域、研發(fā)域及市場域等多個主題，每個主題下面還分N個子主題。企業(yè)經(jīng)營分析指標數(shù)量多。因企業(yè)經(jīng)營分析涉及的領域很多，每個領域都有自己的子分析指標體系，企業(yè)經(jīng)營分析往往還會涉及跨主題綜合性分析指標。企業(yè)經(jīng)營分析指標其涉及的分析指標也非常多，從幾十個到幾百個不等。企業(yè)經(jīng)營分析指標多維性。與業(yè)務系統(tǒng)記錄數(shù)據(jù)和簡單查詢數(shù)據(jù)不同，企業(yè)經(jīng)營分析需要將企業(yè)各類數(shù)據(jù)通過OLAP技術進行統(tǒng)一建模，通過復雜計算和邏輯處理，形成滿足各類分析需求的多維指標體系。

基于OLAP的關系數(shù)據(jù)模型

（一）OLAP技術

關系型數(shù)據(jù)庫有兩種數(shù)據(jù)處理模式，分別是聯(lián)機事務處理OLTP（On-Line Transaction Processing）和聯(lián)機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統(tǒng)的關系型數(shù)據(jù)庫的主要應用，主要是基本的、日常的事務處理，用于業(yè)務，例如銀行交易。OLAP是數(shù)據(jù)倉庫的主要應用，支持復雜的分析操作，側(cè)重決策支持，并且提供直觀易懂的查詢結果，主要用于分析。聯(lián)機分析處理的概念最早由關系數(shù)據(jù)庫之父E.F.Codd于1993年提出。Codd認為，聯(lián)機事務處理已不能滿足終端用戶對數(shù)據(jù)庫查詢分析的要求，SQL對大容量數(shù)據(jù)庫的簡單查詢也不能滿足用戶分析的需求。用戶的決策分析需要對關系數(shù)據(jù)庫進行大量的計算才能得到結果，而查詢的結果并不能滿足管理決策者提出的需求。因此，Codd提出了多維數(shù)據(jù)庫和多維分析的概念，即OLAP。聯(lián)機分析處理的主要特點是直接仿照用戶的多角度思考模式，預先為用戶組建多維的數(shù)據(jù)模型。例如對銷售數(shù)據(jù)的分析，時間周期是一個維度，產(chǎn)品類別、分銷渠道、地理分布、客戶群類也分別是一個維度。一旦多維數(shù)據(jù)模型建立完成，用戶可以快速地從各個分析角度獲取數(shù)據(jù)，也能動態(tài)地在各個角度之間切換或者進行多角度綜合分析，具有極大的分析靈活性。

（二）數(shù)據(jù)建模方法

數(shù)據(jù)倉庫建模方法主要有范式建模、多維建模。范式建模由Bill Inom提出的數(shù)倉理論，將事物抽象為“實體”（Entity）“屬性”“關系”（Relationship）來表示數(shù)據(jù)關聯(lián)和事物描述，也叫ER實體關系模型。ER實體關系模型是數(shù)據(jù)庫設計的理論基礎，當前幾乎所有的OLTP系統(tǒng)設計都采用ER模型建模的方式，且該建模方法需要滿足3NF。多維建模法由數(shù)據(jù)倉庫大師Ralph Kimball提出，它是數(shù)據(jù)倉庫工程領域最流行的建模方法。多維建模以分析決策的需求出發(fā)構建模型，構建的數(shù)據(jù)模型為分析需求服務，因此它重點解決用戶如何更快速完成分析需求，同時還有較好的大規(guī)模復雜查詢的響應性能。多維建模是面向分析的，為了提高查詢性能可以增加數(shù)據(jù)冗余，反規(guī)范化的設計技術。

無論范式建模，還是多維建模，都是關系型數(shù)據(jù)庫建模范疇。關系型數(shù)據(jù)庫使用一系列二維表來表達數(shù)據(jù)以及數(shù)據(jù)之間的聯(lián)系。關系型數(shù)據(jù)庫的優(yōu)點有：容易理解，二維表的結構非常貼近現(xiàn)實世界；使用方便，通用的SQL語句使得操作關系型數(shù)據(jù)庫非常方便；易于維護，數(shù)據(jù)庫的ACID（Atomicity、Consistency、Isolation、Durability）屬性，大大降低了數(shù)據(jù)冗余和數(shù)據(jù)不一致的概率。關系型數(shù)據(jù)庫不足之處是數(shù)據(jù)需要預先定義結構，也就是說關系型數(shù)據(jù)庫必須定義好字段和表結構之后，才能夠添加數(shù)據(jù)，例如定義表的主鍵、索引、外鍵等。表結構可以在定義之后更新，但是如果有比較大的結構變更，就會變得復雜。在過往的企業(yè)經(jīng)營分析系統(tǒng)中，基于原有的數(shù)據(jù)建模方法，一旦有新增指標，要么重構數(shù)據(jù)模型，要么建立更多數(shù)據(jù)模型，這會導致因數(shù)據(jù)模型過多，使得使用和維護數(shù)據(jù)模型變得很復雜，從而增加使用錯誤的數(shù)據(jù)解決問題的風險。本文針對關系型數(shù)據(jù)庫建模方法的局限性，提出一種度量維度化的數(shù)據(jù)模型，解決因業(yè)務頻繁變化指標頻繁變更導致數(shù)據(jù)模型過多帶來的管理和使用困擾。

度量維度化的數(shù)據(jù)模型

傳統(tǒng)的經(jīng)營分析系統(tǒng)在構建數(shù)據(jù)模型時，主要根據(jù)業(yè)務需求建立各類數(shù)據(jù)模型。如果有新業(yè)務需求，數(shù)據(jù)開發(fā)工程師會先判斷原有模型是否能滿足新需求的要求。如果能滿足，則直接采用原有數(shù)據(jù)模型進行需求開發(fā)。如果原有數(shù)據(jù)模型不能滿足新業(yè)務需求，則要么重構原有數(shù)據(jù)模型，要么新建一個數(shù)據(jù)模型。一般工程師會采用新建新數(shù)據(jù)模型的方式來解決新需求，因為重構數(shù)據(jù)模型會涉及歷史數(shù)據(jù)遷移問題而變得更加復雜。長此以往，數(shù)據(jù)模型會越來越多，多則幾百個甚至更多，如圖2所示。數(shù)據(jù)模型一旦過多，管理和使用數(shù)據(jù)模型會變得很困難。工程師在處理業(yè)務需求時，面對如此多的數(shù)據(jù)模型，而且很多數(shù)據(jù)模型具有很大的相似性但又有區(qū)別，都不知道應該采用哪個數(shù)據(jù)模型合適。老工程師一直跟進數(shù)據(jù)模型，對數(shù)據(jù)模型比較熟悉，如果有新業(yè)務需求，他們就大概知道用哪個模型。新工程師剛接手工作，由于經(jīng)驗不足，即使有說明文檔也難以操作，也很容易根據(jù)自己的理解給出錯誤的數(shù)據(jù)解決方案。因此，為解決數(shù)據(jù)模型過多，導致使用和管理數(shù)據(jù)模型困難等問題，本文引入度量維度化數(shù)據(jù)模型，如圖3所示。

一個數(shù)據(jù)模型中包含維度（Dimension）和度量（Measure）。維度就是觀察數(shù)據(jù)的角度，即從哪個角度去分析問題。維度一般是一個離散的值，比如時間維度上每一個獨立的日期或地域，因此統(tǒng)計時，可以把維度相同記錄的聚合在一起，應用聚合函數(shù)做累加、均值、最大值、最小值等聚合計算。度量即分析指標，是被聚合的統(tǒng)計值，也是聚合運算的結果，它一般是連續(xù)的值。

度量維度化是指將數(shù)據(jù)模型中的所有度量根據(jù)一定的邏輯規(guī)則映射到一個新維度中，稱之為指標維度，記為an+1，存放所有度量名稱，如圖3所示。度量區(qū)域形成一個新的也是唯一的度量，用來存放指標維度對應的值，記為value。一般來說，報表層面的分析維度基本比較穩(wěn)定，易變的是分析指標。度量維度化后，如果有類似分析維度的新業(yè)務需求，無需新建數(shù)據(jù)模型，只需要在原有的數(shù)據(jù)模型上追加新需求的數(shù)據(jù)內(nèi)容即可。因為新數(shù)據(jù)需求的新增度量指標直接存放在指標維度里，所以新增業(yè)務分析指標可以在同一模型下無限擴展。

度量維度化數(shù)據(jù)模型實證分析

度量維度化數(shù)據(jù)模型在某互聯(lián)網(wǎng)企業(yè)經(jīng)營分析系統(tǒng)中進行了較好的實踐。

（一）度量維度化數(shù)據(jù)模型應用

本文引入某企業(yè)具體數(shù)據(jù)模型的簡化案例，如表1所示。由于數(shù)據(jù)模型及數(shù)據(jù)的保密性要求，本文引入的實踐案例進行了脫敏處理，數(shù)據(jù)模型及其數(shù)據(jù)均為實驗數(shù)據(jù)，不是企業(yè)真實內(nèi)容。數(shù)據(jù)開發(fā)工程師根據(jù)數(shù)據(jù)主題來構建各類數(shù)據(jù)模型，比如營收數(shù)據(jù)模型、用戶模型、市場模型等。如果需求想獲取某個業(yè)務各省營業(yè)收入、營業(yè)成本等內(nèi)容，工程師只要從營收模型進行需求開發(fā)即可。如果領導既想獲取營收相關數(shù)據(jù)，又要獲取該業(yè)務在各省的用戶發(fā)展情況時，按主題開發(fā)的數(shù)據(jù)模型不能解決同時滿足營收和用戶的數(shù)據(jù)需求，這時需要重新構建一個既包含用戶又包含營收的數(shù)據(jù)模型。如此以往，數(shù)據(jù)模型會越來越多。而引入度量維度化模型后，如表2所示，將營業(yè)收入、營業(yè)成本、活躍用戶數(shù)、新增用戶數(shù)、離網(wǎng)用戶數(shù)、市場份額等各類分析指標均存放在indicators維度中，分析指標對應的值則存放在indicators_value中。這樣，如果以后有分析維度基本一致的新需求時，就不需要再新建模型，可以無限制在原有模型上追加新需求。

表1 數(shù)據(jù)模型簡化實例

表2 度量維度化數(shù)據(jù)模型簡化實例

實際上企業(yè)經(jīng)營分析的指標非常多，有些多達幾百個。為了更好地運用度量維度化數(shù)據(jù)模型，本文引入一張指標字典表，如圖3中的表TableMetadata。表TableMetadata存放數(shù)據(jù)模型中或者企業(yè)經(jīng)營分析系統(tǒng)中所有分析指標。表TableMetadata包含10個字段，分別為自增序列、指標類型、指標名稱、指標解釋（或處理邏輯）、指標統(tǒng)計維度、指標數(shù)據(jù)來源、指標狀態(tài)、備注、指標建立時間、指標更新時間等。數(shù)據(jù)開發(fā)工程師或數(shù)據(jù)分析人員能夠快速了解數(shù)據(jù)模型中各分析指標的含義、統(tǒng)計邏輯、數(shù)據(jù)來源、指標狀態(tài)、指標創(chuàng)建時間及指標更新時間等信息，便于準確理解指標的情況，運用數(shù)據(jù)模型正確解決各類數(shù)據(jù)需求。分析字典表簡化實例如表3所示。

表3 指標字典簡化實例

值得注意的是，數(shù)據(jù)模型中盡量存放基礎指標，通過若干個基礎指標綜合運算而得到的指標不建議存放在數(shù)據(jù)模型中，但綜合指標的相關解釋和定義可以存放在指標字典表中，以便了解綜合指標是怎么來的，想表達什么業(yè)務問題。比如家庭寬帶綜合ARPU=當年家庭寬帶業(yè)務收入/月份數(shù)/平均家庭寬帶客戶數(shù)，其中，平均家庭寬帶客戶數(shù)=（期初值+期末值）/2。從公式可以看出，家庭寬帶綜合ARPU涉及到的基礎指標有財務域的當年家庭寬帶業(yè)務收入和業(yè)務域的家庭寬帶客戶數(shù)等指標，屬于跨域綜合性分析指標。又比如人均產(chǎn)值=當年運營收入/平均考核人數(shù)*（12/月份個數(shù)），其中，平均考核人數(shù)=∑每月考核人數(shù)/月份個數(shù)。這里，人均產(chǎn)值既涉及財務域的分析指標也涉及管理域的分析指標，屬于跨域綜合性分析指標。這類指標可以在開發(fā)經(jīng)營分析報表時，直接利用前端報表開發(fā)工具通過調(diào)用基礎指標利用公式函數(shù)計算而得。

（二）度量維度化數(shù)據(jù)模型實踐效果論證

在企業(yè)經(jīng)營分析系統(tǒng)中，ODS層是從業(yè)務系統(tǒng)同步過來最基礎的原始數(shù)據(jù)，一般不做特殊處理，度量維度化模型一般不應用在此層。DW層根據(jù)業(yè)務基本屬性進行了一定點匯聚，形成各類事實表和維度表，度量維度化模型基本也不應用在此層。ST層是面向經(jīng)營分析需求的報表層，之前所述的各類面向管理決策層的數(shù)據(jù)需求均從ST層輸出，因此，度量維度化模型應用在此層最合適不過。部署度量維度化數(shù)據(jù)模型后，企業(yè)經(jīng)營分析系統(tǒng)該企業(yè)經(jīng)營分析系統(tǒng)中ST層的數(shù)據(jù)模型數(shù)量減少了三分之二，如圖4所示。一旦有類似分析維度的新需求，如果原有模型內(nèi)容不能滿足，只需要在原有數(shù)據(jù)模型中直接追加相應的新增分析指標即可，無需再新建數(shù)據(jù)模型。

數(shù)據(jù)歷史承接性良好。度量維度化數(shù)據(jù)模型不僅是數(shù)據(jù)模型數(shù)量的變化，在歷史數(shù)據(jù)的變遷上有良好的承接性。比如之前某個業(yè)務指標叫a，但是由于業(yè)務內(nèi)容的變化，現(xiàn)在該業(yè)務指標變?yōu)閎，他們之間數(shù)據(jù)是具有歷史繼承性的，在做長時間趨勢分析時需求將兩個指標的數(shù)據(jù)連接起來才更具有分析價值。如果是傳統(tǒng)的數(shù)據(jù)建模，他們應該是會分布在不同的數(shù)據(jù)模型中，而且兩者之間的關系無從得到較好的體現(xiàn)。但是部署到度量維度化模型中后，兩者之間的關系可以用指標字典來維系，而且兩者同時存放在同一數(shù)據(jù)模型中，數(shù)據(jù)調(diào)用更簡便。

降低出錯率，提升工作效率，提升用戶體驗。數(shù)據(jù)模型大幅減少，數(shù)據(jù)模型更加聚焦后，數(shù)據(jù)開發(fā)工程師能快速定位需求對應的數(shù)據(jù)模型。經(jīng)實踐證明，數(shù)據(jù)需求開發(fā)效率大幅提升，數(shù)據(jù)結構錯誤率大幅減少，不僅提升了開發(fā)工程師的使用體驗，更提升了管理決策層對數(shù)據(jù)使用的用戶體驗。

度量維度化數(shù)據(jù)模型對傳統(tǒng)企業(yè)數(shù)據(jù)化轉(zhuǎn)型的借鑒意義

在5G、云計算、物聯(lián)網(wǎng)盛行的時代，石油、天然氣、汽車、基礎設施和制藥等較為傳統(tǒng)的企業(yè)也積極加入數(shù)字化轉(zhuǎn)型的浪潮中。盡管度量維度化數(shù)據(jù)模型誕生于互聯(lián)網(wǎng)企業(yè)，但其建模思想在助力傳統(tǒng)企業(yè)轉(zhuǎn)型上也有很好的借鑒價值。傳統(tǒng)企業(yè)與互聯(lián)網(wǎng)企業(yè)相比，指標相對穩(wěn)定。但根據(jù)最近二十年實踐經(jīng)驗發(fā)現(xiàn)，傳統(tǒng)企業(yè)也需要緊隨時代潮流，進行變革和創(chuàng)新，醞釀出更多有市場競爭力的產(chǎn)品。新產(chǎn)品、新模式、新業(yè)態(tài)意味著評估標準也需要突破傳統(tǒng)模式。度量維度化數(shù)據(jù)模型可以把各類業(yè)務、各種產(chǎn)品、不同指標融合到模型中，適應不同評估模式，指標的獲取根據(jù)需要靈活運算、自由切換。

傳統(tǒng)企業(yè)構建基于度量維度化數(shù)據(jù)模型企業(yè)經(jīng)營分析系統(tǒng)，架構示意圖如圖5所示，主要分為三層架構。

最底層為企業(yè)各個業(yè)務系統(tǒng)，主要負責生產(chǎn)企業(yè)業(yè)務數(shù)據(jù)。傳統(tǒng)企業(yè)應提高業(yè)務線信息化程度，建立穩(wěn)定的業(yè)務系統(tǒng)，扎實業(yè)務底層基礎。

中間層是數(shù)據(jù)平臺。數(shù)據(jù)平臺將孤立的各業(yè)務數(shù)據(jù)，通過關鍵值（keyword）關聯(lián)在一起，存儲到離線數(shù)據(jù)平臺中。數(shù)據(jù)平臺另一個主要的功能就是將數(shù)據(jù)根據(jù)不同的顆粒度進行分層，以便適應不同層級的業(yè)務需求。一般將業(yè)務數(shù)據(jù)分層四個層級，分別為業(yè)務操作數(shù)據(jù)層ODS（Operational Data Store）、數(shù)據(jù)維度層DIM（Dimension Data Layer）、數(shù)據(jù)明細層DWD（Data Warehouse Detail）以及數(shù)據(jù)匯總層DWS（Data Warehouse Service）。

頂層圍繞企業(yè)戰(zhàn)略，將核心指標從粗到細逐層展開，形成以企業(yè)當前戰(zhàn)略為核心的指標層次結構，利用度量維度化數(shù)據(jù)模型構建企業(yè)經(jīng)營分析系統(tǒng)。盡管企業(yè)的戰(zhàn)略會隨市場行情調(diào)整，但是度量維度化模型提供了各類基礎指標，根據(jù)不同的戰(zhàn)略需要，可進行指標間自由組合運算，適應各種戰(zhàn)略需求。

實際上，構建以數(shù)據(jù)平臺為基礎的企業(yè)經(jīng)營分析系統(tǒng)是一件投資大、周期長、見效慢的事情，互聯(lián)網(wǎng)企業(yè)天生具備數(shù)字化基礎，搭建企業(yè)經(jīng)營分析系統(tǒng)相對比較容易實施，但想要成功部署到傳統(tǒng)企業(yè)，會面臨諸多利益相關者的阻力。如何嘗試用數(shù)據(jù)分析的過程去優(yōu)化管理決策，讓管理層逐漸看到數(shù)據(jù)價值，通過數(shù)據(jù)分析助力企業(yè)生產(chǎn)經(jīng)營是一個較大的考驗。

結論

在快速成長的互聯(lián)網(wǎng)企業(yè)中，由于業(yè)務尚未完全定型，或者新業(yè)務層出不窮，業(yè)務分析指標也隨著業(yè)務的發(fā)展而不斷變化。也許數(shù)據(jù)模型剛建好，業(yè)務需求已經(jīng)發(fā)生很大變化，數(shù)據(jù)模型已經(jīng)不能完全適應新的業(yè)務需求。傳統(tǒng)的數(shù)據(jù)建模方式，面對不斷變化的業(yè)務需求，往往通過構建更多點數(shù)據(jù)模型來滿足。而改良后的度量維度化數(shù)據(jù)模型具備較好的抗燥性，只要分析維度基本一致，無論需求怎么變化，新增分析指標均可直接追加到原有數(shù)據(jù)模型中，無需重構數(shù)據(jù)模型。因此，改良后的數(shù)據(jù)模型特別適用于基本分析維度不變，分析指標頻繁變化的情況，這將大大減少數(shù)據(jù)模型數(shù)量，便于數(shù)據(jù)模型的使用、維護和管理，減少運維成本、溝通成本，減少數(shù)據(jù)出錯率，提升工作效率，從而快速響應業(yè)務需求，助力企業(yè)經(jīng)營發(fā)展。