天津运动大数据中心建设-北京中科汇成科技公司

大数据中心建设——模型设计

模型设计指导理论：

模型层次：把表数据模型分为三层：操作数据层（ODS）、公共维度模型层（CDM）和应用数据层（ADS），其中公共维度模型层包括明细数据层（DWD）和汇总数据层（DWS）。

操作数据层（ODS）：把操作系统数据几乎无处理地存放在数据仓库系统中。

同步：结构化数据增量或全量同步。

结构化：非结构化（日志）结构化处理并存储。

累积历史、清洗：根据数据业务需求及稽核和审计要求保存历史数据、清洗数据。

大数据中心建设的功能特性

数据质量管理

1. 质量规则零代码可配置，包括仅一性、准确性、一致性、规范性等规则

2. 事前校验、事后评估方式发现及监控数据质量，天津运动大数据中心建设，并进行低分预警

1.19+数据加工算法组件；20+计算函数开箱即用，无须代码开发

2.拖拽式操作实现跨库的、大数据的融合加工

1. 质量规则零代码可配置，运动大数据中心建设公司，包括仅一性、准确性、一致性、规范性等规则

2. 事前校验、事后评估方式发现及监控数据质量，并进行低分预警

大数据中心建设——应用数据层（ADS）

存放数据产品个性化的统计指标数据，根据CDM层与ODS层加工生成。

个性化指标加工：不公用性、复杂性（指数型、比值型、排名型指标）。

基于应用的数据组装：大宽表集市、横表转纵表、趋势指标串。

通过构建全域的公共层数据，较大地控制了数据规模的增长趋势，运动大数据中心建设费用，同时在整体的数据研发效率、成本节约、性能改进方面都有不错的效果。

数据调用服务**使用公共维度模型层（CDM）数据，运动大数据中心建设哪家好，当公共层没有数据时，需评估是否需要创建公共层数据，当不需要建设公用的公共层时，方可直接使用操作数据层（ODS）数据。应用数据层（ADS）作为产品特有的个性化数据一般不对外提供数据服务，但是ADS作为被服务方也需要遵守这个约定。