数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数据仓库通常包含多个层次,每个层次都有其特定的目的和特征。为了更好地组织和管理这些层次,需要为每一层制定专门的命名规范。以下是数据仓库各主要层次的命名规范指南:
原始数据层（ODS）命名规范
原始数据层(Operational Data Store, ODS)是数据仓库的基础,存储来自各种源系统的原始数据。
数据库命名:
格式: ods_{source_system}
示例: ods_erp, ods_crm
表命名:
格式: ods_{source_system}_{table_name}
示例: ods_erp_sales_order, ods_crm_customer
字段命名:
保持与源系统一致,除非原名称违反基本命名原则
如需修改,应在字段注释中说明原因和对应关系
分区表命名:
格式: ods_{source_system}{table_name}{partition_key}
示例: ods_erp_sales_order_dt
数据仓库层（DW）命名规范
数据仓库层(Data Warehouse, DW)是经过清洗、转换和集成的数据存储层。
数据库命名:
格式: dw_{subject_area}
示例: dw_sales, dw_finance
事实表命名:
格式: dw_fact_{business_process}
示例: dw_fact_sales, dw_fact_inventory
维度表命名:
格式: dw_dim_{dimension_name}
示例: dw_dim_customer, dw_dim_product
字段命名:
使用清晰、描述性的名称
对于度量,使用{measure}_{unit}的格式
示例: total_sales_amount, quantity_sold
聚合表命名:
格式: dw_agg_{business_process}_{granularity}
示例: dw_agg_sales_daily, dw_agg_inventory_monthly
数据集市层（DM）命名规范
数据集市层(Data Mart, DM)是面向特定业务领域或部门的数据子集。
数据库命名:
格式: dm_{business_area}
示例: dm_marketing, dm_hr
表命名:
格式: dm_{business_area}_{table_purpose}
示例: dm_marketing_campaign_performance, dm_hr_employee_turnover
视图命名:
格式: dm_v_{business_area}_{view_purpose}
示例: dm_v_marketing_customer_segmentation
字段命名:
使用业务友好的术语
保持与数据仓库层的一致性,除非有特殊需求
应用层（APP）命名规范
应用层(Application Layer, APP)是直接服务于具体应用或报表的数据层。
数据库命名:
格式: app_{application_name}
示例: app_dashboard, app_reporting
表命名:
格式: app_{application_name}_{table_purpose}
示例: app_dashboard_sales_summary, app_reporting_financial_kpi
视图命名:
格式: app_v_{application_name}_{view_purpose}
示例: app_v_dashboard_product_performance
字段命名:
使用最终用户熟悉的术语
可以根据应用需求进行适当的重命名,但要在文档中说明对应关系
通过遵循这些命名规范,可以清晰地区分数据仓库的不同层次,便于管理和使用。同时,这种结构化的命名方式也有助于数据血缘追踪和元数据管理。需要注意的是,这些规范应该根据企业的具体情况进行适当调整,以确保最佳的适用性和可操作性。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
