阿里OneData构建数据指标体系
数据指标来辅助业务决策
GMV、日活用户、月活用户、PV、UV、页面停留时长
OneData指标规范
以维度建模作为理论基础，构建总线矩阵，定义业务域、数据域、业务过程、度量/原子指标、维度、维度属性、修饰词、修饰类型、时间周期、派生指标等。
业务域：比数据域更高维度的业务划分方法，适用于特别庞大的业务系统，且业务板块之间的指标或业务重叠性较小。例如用车业务板块包含乘客端、司机端，电商业务板块包含商城、返利模块。
业务过程：业务过程可以概括为一个个不可拆分的行为事件，如下单、支付、评价等业务过程/事件。这里的事件跟埋点的事件类似，详情可查看
数据域：是联系较为紧密的数据主题的集合，是对业务对象高度概括的概念层归类，目的是便于数据管理与应用。简而言之，数据域就类似于我们电脑桌面要建立不同的文件夹来存储数据，这些个文件夹名就是数据域。
维度：是度量的环境，用来反映业务的一类属性，这类属性的集合构成一个维度，可以从who-where-when-what层面来看。
维度属性：维度属性隶属于维度，相当于维度的具体说明，如用户维度中性别为男、女。
修饰词：指除了统计维度以外指标的业务场景。
修饰类型：对修饰词的抽象划分。
简而言之，维度和修饰都可以理解为原子指标的一些限定条件，懂sql的会更好理解一些，一般是写sql时，放在where语句后边的。
度量/原子指标：原子指标和度量含义相同，某一业务行为事件下的度量，是业务定义中不可拆分的指标，如注册数。
时间周期：用来明确数据统计的时间范围或是时间点，如最近30天、自然周、截至当日等。
指标类型：包含原子指标、派生指标。原子指标 = 行为事件+度量派生指标 = 一个原子指标+多个修饰词+时间周期
例如：原子指标=完单量，派生指标=近一周iOS乘客完单量，包含时间周期=近一周，修饰词=iOS，维度=乘客，原子指标=完单量。
模型设计
此时主导的是我们的模型设计工程师，按照阿里的OneData建模理论的指导，模型设计工程师会采用三层建模的方式把数据更加科学的组织存储。分为 ODS（操作数据层），DWD(明细数据层)、DWS（汇总数据层）、ADS （应用数据层），这是业务对数据分层常用的模型。
阿里的一套针对指标的规范定义，让大家在一个标准下看数据消除歧义（指标拆分体系）
数据域：面向业务的大模块，不会经常变。比如我们公司有环贸快版打版服务、亿订电商业务、供应链业务等等大的业务模块类似产品线。
业务过程：如电商业务中的下单、支付、退款等都属于业务过程。
时间周期：就是统计范围，如近30天、自然周、截止到当天等。
修饰类型：比较好理解的如电商中支付方式，终端类型等。
修饰词：除了维度意外的限定词，如电商支付中的微信支付、支付宝支付、网银支付等。终端类型为安卓、IOS等
原子指标：不可再拆分的指标如支付金额、支付件数等指标
维度：常见的维度有地理维度（国家、地区等）、时间维度（年、月、周、日等）
维度属性：如地理维度中的国家名称、ID、省份名称等。
派生指标：原子指标+修饰词+时间周期就组成了一个派生指标。
关于数据指标还有two more thing要谈：
1. 怎么分出指标的重要性。绩效考核指标，部门负责人关注的指标
2. 关于虚荣指标。
PV、UV、月活、总用户数、总商品数
主路径的专户率，访问-商品列表、商品列表-商品详情、商品详情-加购、加购-下单转化率：降低流失就能提高交易额的。
用户的次日留存、7日留存率（新用户7日后是否再次访问）、30日留存率：等能直接反应用户的质量和运营做的好坏。
商品的动销率（销售款数/上架款数）：能直接反映这批商品的好坏。
基于阿里OneData的模型设计体系
首先你要知道这些概念。什么是数据仓库、数据仓库和数据库的区别、数据仓库的分层、数据模型的定义。
数据仓库与数据库的区别
阿里的数据分层分为：ODS、DWD、DWS、ADS。
ODS(操作数据层)：是数据仓库第一层数据，直接从原始数据过来的，经过简单地处理，爆款率涉及到的表结构比如订单表、专场表、商品表、用户表等。
DW*（汇总数据层）：这个是数据仓库的第二层数据，DWD和DWS很多情况下是并列存在的，这一层储存经过处理后的标准数据。增加了维度形成了统计宽表，比如专场的爆款商品有哪些。
ADS（应用数据层）：这个是数据仓库的最后一层数据，为应用层数据，直接可以给业务人员使用。比如某日某个专场爆款率是多少、总的爆款率是什么。
数据模型有很多，如：范式模型、维度模型、Data Vault
星型模型的基本概念
星型模型中有两个重要的概念：事实表和维度表。
