电商零售数仓建模之商品01：车源业务模型

一、前言

数仓建模的成熟度在金融领域，尤其是银行、保险和证券行业得益于传统数据仓库服务厂商的推动，具有非常好的最佳实践，但是在互联网领域却从未形成真正的标准和规范。本文基于汽车电商零售领域的实践总结和沉淀而来，作为随笔，发布与此，共享给大家。

二、工作流程

数仓模型设计的工作流程，基于场景不同略有差异，Kimball维度建模工具箱中提到了四步骤建模法：活动选择、定义粒度、确定维度、确定指标，适合的是特定场景和特定业务活动的建模，并不适用开放型的场景和系统性的数仓建设。以下工作流程是改进之后的，自顶向下的数仓建模工作流程。具体的工作流程如下图所示：

该工作流程共分为是个步骤：

1. 业务建模：识别业务活动和业务对象等核心业务要素，包括业务规则和业务逻辑等；

2. 总线矩阵：建立业务主题的总线矩阵模型，输出上一环节识别出的业务活动的分析维度和度量指标，同时识别出公共维度；

3. 定义粒度：选择总线矩阵中的某一个业务活动进行数据聚合粒度的确认，包括识别聚合的维度和基于该维度的聚合粒度。

4. 数据建模：基于前面步骤确定的业务活动+分析维度+度量指标+聚合粒度，进行维度表和事实表的设计，并输出。

三、车源业务模型：第一步-业务建模

业务建模是对业务活动抽象和提炼，通过构建某一特定主体的业务模型，从而识别该业务主题涉及的业务活动和业务对象，以某汽车电商零售项目为例，其车源业务模型如下图所示：

 基本的业务建模逻辑，可以按照：营销活动->终端行为->交互行为->交易行为->交付行为和售后行为，五大环节进行拆分和梳理。营销活动中，车源作为商品得以曝光；终端行为中车源作为方位对象被搜素、推荐、浏览、收藏、订阅、分享、对比和价格测算；交互活动中，车源作为标的物被客户咨询，预留线索；交易活动中，特定车源被用户建单、支付定金、邮寄过户资料和金融信贷；售后环节中，车源作为商品标的被客户评价和客诉。

四、未完待续

实践随笔，持续更新，敬请关注。