搭建数仓
业务调研会按照业务和数据维度进行数据仓库的框架搭建，基于分层分类分域思想进行抽象定义：
数据层级定义包括 ods、dwd、dws 和 ads、dim 层等，通过定义逻辑分层和物理库进行关联映射。
业务类型定义包括业务分类、主题域、业务过程，对数据对象进行自定义业务目录管理。
定义后数仓架构会自动生成，后续模型指标维度的业务定义过程，将依托整体的数仓架构进行定义管理。
?
模型设计
搭建好数仓后，设计者会基于数据特征、业务场景对业务实体--逻辑模型—物理模型的定义，其中逻辑表定义时，首先会根据数仓架构进行标准化命名，同时字段配置环节可以绑定元数据、值域标准，从而完成标准化定义过程；
?
模型设计过程会同时从数据驱动（自底向上）、业务驱动（自顶向下）两个维度设计：
1. 数据驱动维度，设计者首先需要从生产源系统进行原始数据同步至接口层，接口层原始数据经过清洗转换后会形成明细表，明细表也叫事实表，用于保存最细粒度清单数据，明细表也是指标统计的来源表，其字段会关联绑定基础指标、维度条件。
2. 从业务驱动需要根据业务场景设计出汇总层和集市层，其中通过定义汇总表保存不同维度条件下汇总计算后的指标数据，该表会作为衍生指标的目标表进行1对1绑定。
3. 定义的分析维度会形成维度表，用于保存维度的属性层级数据，该表会和普通维度1对1绑定，也可以在维度定义时自动生成。
完成逻辑模型设计后，可通过发布动作生成物理模型，从而实现设计到开发过程的串接；若前期已经创建了部分物理模型，也可以逆向导入反向生成逻辑模型，实现设计过程的补齐。
业务定义
在进行业务调研过程中，设计者需要根据业务场景抽象定义出指标和维度：
1. 指标定义
?
指标分为基础指标和衍生指标两类：
1.1 基础指标是不包含维度条件的度量，需要定义其基本属性、统计口径和单位精度等，衍生指标将会继承基础指标的口径单位。基础指标的数据来源于明细表某一字段，因此需要指标定义中进行关联。
1.2 衍生指标可以通过基础指标+维度条件定义某一特征范围的指标，如某些渠道范围、产品类型范围的用户增长数；也可通过多个衍生指标在同一维度条件下的组合计算结果，如增长率；衍生指标定义后会绑定到某一汇总表的字段，从而进行指标生产。
2. 维度定义
?
维度按照定义特征可分为：
2.1 普通维度：可以理解为 sql 中的 group by 条件，普通维度会唯一对应一张维表，在维度建模中进行关联；
2.2 业务限定：也称为修饰词，用于从业务维度筛选标签特征；
2.3 时间周期：时间类限定条件；
2.4 退化维度：将维度退回到事实表中。因为有时维度除了主键没有其他内容，虽然也是合法维度键，但是一般都会退回到事实表中，减少关联次数，提高查询性能。
指标、维度需要依次定义发布后，才能与表模型建立关联，同时被后续衍生定义所引用，从而指导指标生产落地。
数据标准
模型指标定义、开发生产过程中，需要按照统一的数据标准规范操作，因此需要对业务对象进行规则定义，标准管理便是从如下四个模块进行标准的定义管理：
1. 定义标准规则
?
可以定义表、字段、指标级标准，其中元数据标准用于定义业务对象命名、类型规范，值域标准用于定义取值范围特征。
规则发布后可以在模型设计/物理模型字段中进行关联绑定：
?
也可以在后续数据开发过程中使用 ETL 任务进行标准转换任务定义：
?
转换规则配置：
?
2. 定义标准编码
?对于数据枚举类型需要单独通过标准编码进行管理，编码定义发布后，可以在标准规则进行引用。
?
3. 定义度量单位
在定义指标时会用到度量单位，系统会预置通用单位，对于需要个性定义的单位可以在此模块进行定义。
?
4. 定义术语字典
行业标准元数据会在术语字典进行批量定义，定义发布后可以在标准规则进行引用。
?
