01.数仓常见概念术语

前两天看了大鱼先生写了一篇数仓中指标-标签、维度-度量、自然键-代理键的文章，对于数仓中的各种概念又有新的理解和认识。写一篇做备忘。本文主要从三组概念来进行对比说明；
先来看几个单独的概念，这几个也是数仓模型构建的前提准备

1. 度量
   度量是业务流程节点上的一个数值。比如：用水量、耗电量、温度等。
   度量可分为：完全可加（全维度可进行计算）、半可加（部分维度可进行计算）、不可加（全维度不可进行计算，例如利率，在BI设计中，需在最上层报表中进行添加计算项）
2. 粒度
   粒度是业务流程中对度量的统计实体。比如：用水量，按照单设备进行统计还是某一型号设备进行统计。
3. 口径
   口径是需求统计的范围。比如：统计近一个月某个设备的用水量，近一个月和某个设备就是对应需求的统计口径。

1. 实体表、事实表、维度表之间的关系

• 维度表
  维度表是事实表的一个分析角度，存储的数据是对事实各个方面的描述。比如时间维度、地域维度、渠道维度等。
• 事实表
  事实表是通过各种维度和一些指标值组合起来确定的一个事实，比如通过时间维度、渠道维度，指标值（操作电视次数）可以去确定某人何时何种方式操作多少次电视这样一个事实。
• 实体表
  实体表是是一个实际对象的表，实体表中存储的数据一定是一个客观存在的事物。比如电视、冰箱、洗衣机等。

举一个例子：比如某个商店中有海尔电视、海信电视、索尼电视等，这些数据共同组成了一个电视实体表，并表中不含有可度量的数据。商店某天出售5台海尔电视、10台海信电视、1台索尼电视，这些电视销售数据就组成了一个事实表。这样从时间维度就可以对该商店的销售量进行统计分析了。

2. 指标-标签-分类-属性

• 指标
  指标是某个口径的统计数值。比如近一个月某个设备的用电量。
  指标分为：
  • 原子指标
    基础业务指标，没有业务、维度限定。比如：单个设备的用电量
  • 派生指标
    经业务、维度限定的指标，也就是说经过一层加工的指标。比如：近一个月某个设备的用电量。
  • 衍生指标
    在原子或派生指标的基础上进行加工的指标。比如：某个设备用电量的环比、同比。
• 标签
  标签是人为设定的，根据业务场景需求以及实体的特征来进行打的标记，它是一个“has a”的问题，属于主观论范畴。比如：高用电用户、高用水用户，这些都是基于用户日常用电、用水比较多来进行的划分。
  标签按标签变化分为静态和动态指标；按评估和指代的不同分为定性标签、定量标签。
• 分类
  分类是按照种类、等级、性质或特征的归类，也就是把相同属性或特征的实体归集在一起，形成不同的类别，它是一个“is a”的问题，属于本质论范畴。比如：立柜空调、挂机空调。
• 属性
  属性是事物所具有的性质或特性，重点强调事物本身。比如：电视32寸、42寸、64寸。其中分类也是属性之一。

举个例子：某家庭，客厅中有一个立柜空调、卧室有一个挂机空调，两种空调即为两种分类，对于空调来说也是它的属性。某个月份，该家庭用电180千瓦时，高于70%家庭用电量划分为高用电量家庭，其中180千瓦时就是指标，高用电量用户，为该家庭打上的标签。

3. 自然键-代理键-持久键

• 自然键
  自然键是实体在业务中的唯一编码。比如：商品ID、家庭ID。
• 代理键
  代理键是不具有业务含义的编码。在数仓中多数据来源统一编码ONEID为代理键，根据系统或业务需求，人为设计的编码。
• 持久键
  持久键是永久不会改变的编码。比如：人的身份证号。

参考 大鱼的数据人生 、 五分钟学大数据