总结

本文介绍了数据仓库建模的两种基本体系：范式建模和维度建模的概念和基础方法。通过与工业数据分析领域相结合，探讨了如何把这些抽象的IT方法与具体的工业数据分析业务结合进行实践。我们着重对比了不同数据建模体系的优缺点，主张结合企业自身数据智能应用的成熟度和项目目标选择合适的数据建模体系。在有可能的情况下，我们推荐优先使用范式建模相关的技术，会给分析课题和企业带来以下价值：

• 有利于在工业企业内部推动工业专家、数据科学家/分析师、IT和数据管理技术的融合，促进跨领域交流，形成共同语言；

• 让数据的业务意义显现化，让业务和数据分析师以更直观的方式获取数据，提高数据的可被消费性；

• 为数据集成奠定良好的元数据基础。

在下一篇文章里，我们将会把视角从单个课题或者项目放大到跨课题、跨团队的共享数据体系，说明如何通过数据的分层架构实现模型复用，数据分层架构的不同层次如何天然的对应到工业企业内部不同的职能组织，希望对读者有所启发。

作者简介

徐地博士，昆仑数据首席架构师，前IBM中国研究院研究员。主要研究实践方向为云服务、工业数据治理、数据驱动应用架构等。曾先后为新能源、石油、装备、化工、电子制造等多行业头部企业提供工业数字化解决方案指导，并将工业数据治理和数字化应用经验总结为工业互联网平台产品。发表国际顶级计算机体系结构会议第一作者文章两篇，专利10余项。同时也是资深软件工程师和架构师，认证ScrumMaster，具备多年敏捷研发团队管理经验。