Smartbi 数据模型以自助为理念，带来 “敏捷建模” 的新思路
B客户是一家大型金融企业，数据仓库建设已经成熟，且是通过大宽表来实现数据集市，这样进行数据分析更加的便捷高校。但是因为宽表模式的限制，很多需求只能通过技术人员来实现，且处理起来不灵活、不敏捷：
1.增删分析字段不方便。客户的业务需求是灵活多变的，因此有增删分析字段的需求很正常，但是因为宽表结构的限制，处理起来不方便、不灵活。
2.数据重复膨胀口径不一。面对业务人员的分析需求，技术人员往往构建各种宽表来满足，需求日积月累，多个宽表之间就会出现数据重复、数据越来越多膨胀变大，而且同一个字段有可能在不同宽表中存在各种口径不一的问题。
3.关联计算时数据量大性能慢。宽表之间可能需要关联计算，数据量大会性能慢。
【Smartbi 数据模型以自助为理念，带来 “敏捷建模” 的新思路】4.业务手工Excel数据和宽表关联混合析不方便。业务用户部分手工数据存储在本地Excel，此时就需要宽表和Excel数据关联混合分析，但是在实际操作中，两者的关联混合分析十分不方便。首先业务需要定期提供外部的Excel数据给技术，然后技术再导入到数据库中，最后再和宽表关联处理，效率非常低下。
因此，客户期望能实现自助敏捷建模，打破宽表模式的限制。
受限于技术，传统“数据集市”不敏捷。“业务提数据分析需求，IT来处理实现”这种传统建模的方式响应不快，处理不灵活，需要较长时间。
因此，Smarbi带来了“敏捷建模”的新思路：现代化BI是以自助敏捷为理念，即不仅数据分析操作更加敏捷，建模操作也更加简单敏捷。Smartbi数据模型有更加动态的Cube模式、简单快速的建模操作，同时，让用户能更快速地响应需求、更敏捷地进行数据建模等。
1、数据模型敏捷建模，增删字段方便。通过拖拽、勾选等简单操作就可以快速生成度量、维度层次等信息，比如可以一键生成时间维、设置地理维直接实现地图下钻等；
文章图片
2、数据模型结合指标管理可以统一管理指标和维度，同时统一口径，打造自增长指标体系，沉淀数据资产。
3、数据模型支持超大表关联，通过抽取数据到使用分布式内存计算技术的高速缓存库中，提升查询速率。
文章图片
4、数据模型整合多种数据集类型，融合线上线下数据，面向不同使用的用户提供多种查询手段，包括：表、即席查询、SQL、外部文件、存储过程等。
文章图片
推荐阅读
- Smartbi融入“多维建模”能力，满足一站式BI需求
- 文献阅读|Transformer系列目标检测模型小抄(1)
- 使用python对图片进行写入数据库并从数据库中读取的操作
- 读|读 数据即未来 大数据的王者之道
- OpenShift|OpenShift 4 - 使用 Debezium 捕获变化数据，实现MySQL到PostgreSQL数据库同步
- 百亿数据百亿花, 库若恒河沙复沙,Go lang1.18入门精炼教程，由白丁入鸿儒，Go lang数据库操作实践EP12
- 数据结构|数据结构 2 字符串 数组、二叉树以及二叉树的遍历
- 10个大数据领域的杰出公司
- 数据仓库|如何保障数仓数据质量（）
- 数据仓库|数据仓库建设方案详细（系统架构设计）