大数据建模-DWD层主要工作(数据清洗+维度建模)

我们聚焦于DWD（数据明细层）的维度建模，继续用“开餐馆”的比喻，把这一步彻底讲透。

DWD层的核心任务就是：将ODS“收货区”里杂乱无章的原始数据，清洗、加工成标准化的、规范的“食材”和“半成品”（即事实表和维度表），为后续的高效分析打下坚实基础。

这个过程就像是把买来的整猪整羊，分解成标准大小的里脊肉、五花肉块、排骨段。

---

第一步：识别业务过程 & 声明粒度

这是维度建模的基石，是所有工作的出发点。

1. 识别业务过程 (Identify the Business Process)：

   • 问自己：我要分析的业务活动是什么？
   • 餐馆例子：下单、支付、烹饪、配送都是独立的业务过程。
   • 经典电商例子：下单、支付、退款、商品浏览、点击。
   • 输出：你决定了要为 “下单” 这个业务过程建模。

2. 声明粒度 (Declare the Grain)：

   • 问自己：一条记录代表什么？是最细的级别是什么？
   • 这是最关键的一步！ 粒度决定了事实表的深度和丰富度。
   • 错误示例：“每天的销售总额”（这太粗了，是DWS层的活）。
   • 正确示例：“用户的一个订单中的一个商品”。
     • 如果一个订单买了手机、耳机、保护壳三样东西，那么事实表里就应该有3条记录来分别描述它们。
   • 输出：你明确了粒度是 “订单商品粒度”。

---

第二步：选择维度

维度 (Dimensions) 为事实提供上下文，回答“谁、什么时间、什么地点、为什么”等问题。

• 问自己：有哪些角度可以用来描述和分析这个业务过程？
• 基于“下单”业务过程和“订单商品”粒度，我们思考：
  • 时间 (When)：下单的具体时间点。（时间维度表）
  • 什么商品 (What)：被订购的是什么商品。（商品维度表）
  • 谁买的 (Who)：是哪个用户下的单。（用户维度表）
  • 从哪买的 (Wh