1.数据调研
2.确定数据范围
需要把上端应用需求与ODS数据范围进行验证，以确保应用所需的数据都已经从业务系统中抽取出来，并且得到了很好的组织,以ER模型表示数据主题关系
3.根据数据范围进行进一步的数据分析和主题定义
把第一步生成的每个ER图中的实体进行分解，分解的结果仍以ER表示为佳
4.定义主题元素
定义主题、粒度、维、度量、存储期限
a.定义维的概念特性：
维名称，名称应该能够清晰表示出这个维的业务含义。
维成员，也就是这个维所代表的具体的数据，
维层次，维成员之间的隶属与包含的层次关系，每个层次需要定义名称
b.定义度量的概念特性：
度量名称，名称应该能够清晰标书这个度量的业务含义
c.定义主题的概念特性：
主题名称和含义，说明该主题主要包含哪些数据，用于什么分析；
d.主题所包含的维和度量；
主题的事实表，以及事实表的数据。
e.定义粒度：
主题中事实表的数据粒度说明，这种粒度可以通过对维的层次限制加以说明，也可以通过对事实表数据的业务细节程度进行说明。
f. 定义存储期限：
主题中事实表中的数据存储周期。
5.迭代，归并维、度量的定义
具体的业务代码所形成的各个维、以及维成员等需要进一步进行归并，把概念统一的维定义成一个维，不允许同一个维存在不同的实体表示
6.物理实现
定义每个主题的数据抽取周期、抽取时间、抽取方式、数据接口，抽取流程和规则
7.对ODS中的各个主题的事实数据进行时间上的汇总
按照时间维进行汇总，以实现初步的信息沉淀
8.按照业务逻辑的规则，对数据进行归并
9.把包含细节过多的交易记录进行拆分
10.汇总、再汇总
转载于:https://www.cnblogs.com/weiying121/p/9033504.html
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/189372.html原文链接：https://javaforall.net
