大数据-维度建模-数据域划分

目的

在数据仓库的建设过程中，当我们确定了数仓的层级后，接踵而来的就是设定数据模型的分类，也就是数据域。

数据域

数据域的设定能够帮助我们管理数据模型，并支撑未来的数据模型创建，合理的数据域划分能够帮助我们提升数据查询的效率，同时尽可能减少数据冗余，重复建设的问题，可以说数据域的设定是数据模型设计的基底。
经常看到互联网公司比如阿里，设计了一系列的数据域，比如说交易域，商品域，看上去非常有道理，但是如何建设一个符合MECE的数据域体系，今天我们一起来学习一下。

基础概念

首先，哪些概念的集合可以形成一个数据域，无非是人、场景和物品。人是行为的发起方，比如客户，场景是行为本身，比如交易，物品是行为的接受方，比如商品。拿电商场景来说，最核心的一个业务流程就是客户购买了XX商品，那么在这个业务中，我们就可以构建
用户域用以管理用户相关的数据，

构建购买域用以管理和购买相关的数据，

构建商品域用以管理和商品相关的数据。

构建步骤

以上是从概念层面介绍了哪些内容可以聚合形成一个数据域，接下来我们看看划分数据域的具体步骤，
1）业务系统功能模块梳理；
2）业务动作梳理；
3）业务过程设计；
4）抽象数据域。
下面我们具体来看。

首先，为什么是先梳理业务系统功能模块，而不是先做用户调研？因为业务调研通常能够获得的是主线业务流程，而低频的、甚至于异常的业务流程无法通过几次调研清晰获得。这个时候，为了建设起比较全面的调研框架，我们需要基于已经沉淀的业务系统，来设计调研过程。理论上来说，一个业务系统中所有功能模块肯定都是业务运行过程中需要使用的，或者历史上需要使用的。而且比较好的功能模块设计天然的就能够让我们串期整个主线流程，比如说商品管理，交易管理，每个模块下支持些什么功能先梳理清楚。通过功能模块，先立起骨架，这是这一步的核心。

第二步，业务动作的梳理。有了功能模块之后，接下来就要像这些功能模块的使用人员，了解他们日常需要使用哪些功能，比方说运营人员每天要进行商品的上架，下架，

那么这些就是业务人员每天会发生的业务动作，是数仓优先需要度量，需要量化的数据，以保存整个业务运行的过程。在这一层面，主要的目标就是通盘了解为了维持正常的业务运行，有哪些人需要开展哪些活动，其中活动的粒度要到最细不可拆分的粒度，使得我们能够串联起整个业务运行的全景图。

第三步，业务过程的设计。当我们有了全流程的业务动作后，还没有完成调研过程，还需要了解的是业务方期望了解哪些信息，因为有些信息是多个业务动作的集合，比如留存，有些业务过程可能是一个事件的状态，比如说当年新注册用户数，这些数据需要我们根据对业务方的痛点调研后获取，然后和前一步我们得到的业务动作一起，汇聚成我们最终的业务过程。那么在这些过程中，我们有最细粒度的业务动作，有业务动作的组合，还有业务动作发生后的状态，以此构成了我们全部需要记录的信息。

第四步、数据域设计。最终，我们需要把所有的业务过程进行聚类，形成我们的数据域。一方面，我们要将概念接近，访问关联度高的业务过程放在一类，充分的高内聚低耦合；另一方面，我们要按照人、场景、物的思维抽象数据域，形成我们最终的数据域和相关业务过程。

数据域的构建是一个充满艺术的设计过程，基于以上步骤相信各位都能够开展并且完成数据域的建设。但是数据域的划分没有完美的状态，只有不断接近于完美，在实践过程中以螺旋递进的方式进行优化，而这个依赖于数据产品经理不断地思考和实践。