若何评价数据仓库培植短长？有哪些量化指标

企业数据仓库培植须要数据开拓者投入大量的韶光和资源，对付数据团队来说，管理者如何评价他们事情的好坏呢?一群数据开拓者每天都加班加点，业务部门仍旧吐槽数据找不到，数据没有，又该如何评价呢？结合数据中台思想，数据仓库的培植目标是希望为业务供应尽可能完善的模型（须要的我都有），并且减少重复培植只管即便复用（本钱要足够低），此外，还须要符合统一的标准规范（数据标准）。

一、数仓完善度的衡量指标

数仓完善度是指经由数据开拓永劫光的开拓和迭代，现有的数据仓库资产是否覆盖了业务常用的查询场景，业务要的，模型是否已经培植完成？

衡量DWD层是否完善，常日看ODS层有多少表被 DWS/ADS/DM 层引用。
由于 DWD 以上的层引用的越多，就解释越多的任务是基于原始数据进行深度聚合打算的，明细数据没有积累，无法被复用，数据洗濯、格式化、集成存在重复开拓。
因此， 可以用跨层引用率指标衡量 DWD 的完善度。

–跨层引用率：ODS 层直接被 DWS/ADS/DM 层引用的表，占所有 ODS 层表（仅统计活 跃表）比例。
跨层引用率越低越好，在数据中台模型设计规范中，一样平常哀求不许可涌现跨层引用，ODS 层数据只能被 DWD 引用。

DWS/ADS/DM 层完善度：考察汇总数据的完善度，一样平常紧张看汇总数据能直接知足多少查询需求（也便是用汇总层数据的查询比例衡量）。
如果汇总数据无法知足需求，利用数据的人就必须利用明细数据，乃至是原始数据，可以用汇总数据查询比例衡量DWS/ADS/DM 层完善度

–汇总数据查询比例：DWS/ADS/DM 层的查询占所有查询的比例。
要明确的是，这个跟跨层引用率不同，汇总查询比例不可能做到 100%，但值越高，解释上层的数据培植越完善，对付利用数据的人来说，查询速率和本钱会减少，用起来会更顺畅。

二、数仓复用度衡量指标

数据中台核心是追求模型的复用和共享，通过元数据中央的数据血缘图，可以看到，一个比较差的模型设计，自下而上是一条线。
而一个空想的模型设计，它该当是交织的发散型构造。
可以用模型引用系数作为指标，衡量数据模型设计的复用度。
引用系数越高，解释数仓的复用性越好。

模型引用系数：一个模型被读取，直接产出下贱模型的均匀数量。
比如一张 DWD 层表被 5 张 DWS 层表引用，这张 DWD 层表的引用系数便是 5，如果把 所有 DWD 层表（有下贱表的）引用系数取均匀值，则为 DWD 层表均匀模型引用系数， 一样平常低于 2 比较差，3 以上相比拟较好（履历值）。

三、数仓规范度衡量指标

在数据管理初期，我们统计创造80%的表的字段描述时不全的（不到100%），超过 40% 的表都没有分层信息，在模型设计层面，这显然是不规范的。
除了看这个表有没有分层，还要看它有没有归属到主题域（例如交易域）如果没有归属主题域，就很 难找到这张表，也无法复用。
其次，你要看表的命名。
拿order_detai这个命名为例，当你看到这个表时，知道它是哪个主题域、业务过程？是全量数据的表，还是每天的增量数据？总的来说，通过这个表名获取的信息太有限了。
一个规范的表命名该当包括主题域、分层、表是全量快照，还是增量等信息。
除此之外，如果在表 A 中用户 ID 的命名是 UserID，在表 B 中用户 ID 命名是 ID，就会对 利用者造成困扰，这到底是不是一个东西。
以是我们哀求相同的字段在不同的模型中，它的命名必须是同等的。
常用的规范性指标可以从数据标准管理的核心角度设定，比如，字段描述覆盖率，模型分层信息覆盖率、命名不规范表占比等

总之，评价数据仓库培植好坏须要从多个维度进行考量，包括外部评价标准和内部评价标准。
在量化指标方面，可以从完善度、复用度和规范性三个方面进行衡量，以确保数据仓库能够为企业带来更大的代价。

本文由大家都是产品经理作者【数据干饭人】，微信"大众年夜众号：【数据干饭人】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。

题图来自Unsplash，基于 CC0 协议。