...
| 特性类别 | 特性描述 |
|---|---|
一站式 | 数据模型让“多维建模”能力融入BI产品，用户无论是否有数据仓库或是ODS，只需使用Smartbi，都可以敏捷建模实现数据集市。从而使得Smartbi具备一站式BI能力，即可一站完成数据连接、数据处理、数据建模、数据分析、数据分享等全流程功能。 |
| 数据统一 | Smartbi数据模型整合多种数据集类型，融合线上线下数据，包括数据源表、即席查询、SQL查询、导入文件等，并且支持跨库数据整合，可以直接连接Oracle、MySQL、Excel文件等各类数据关联分析，满足不同用户的数据准备需求，提升数据分析的效率。 |
| 敏捷建模 | Smartbi数据模型通过更简单灵活的建模操作，更动态的Cube模式，让用户能更快速地响应需求、更敏捷地进行数据建模。 Smartbi数据模型支持拖拽等简单操作即可快速生成度量、维度层次，如一键生成时间维、设置地理维等，同时支持多种模型类型，包括星型模型、雪花模型和星座模型。 |
| 计算提升 | 数据模型对Smartbi产品数据准备和数据分析之间的关系进行了重新梳理，统一了表现层和数据层，统一了数据分析的计算能力，提供了丰富、强大的计算能力，不仅支持SQL计算、ETL分布式计算、MDX计算；还支持快速实现同环比时间计算、占比、排名、累计等；同时支持在计算中使用参数，动态获取结果。 |
1.3
SmartBI的数据模型是用于组织和管理数据的结构。它定义了数据之间的关系、属性和层次结构，以及数据的组织方式和访问方式。通过建立一个良好设计的数据模型，可以提供有效的数据管理和查询功能，使用户能够方便地进行数据分析和报表生成。
在SmartBI中，数据模型通常由以下几个组成部分：
维度（Dimension）：维度是描述业务实体的属性，如时间、地理位置、产品、客户等。维度提供了对数据进行切片和过滤的维度标准，帮助用户根据不同的维度进行数据分析。
度量（Measure）：度量是可以被计算、汇总和分析的数值。它代表了业务指标或性能指标，如销售额、利润、订单数量等。度量可以通过聚合、计算和比较来获取有关数据的信息。
层次结构（Hierarchy）：层次结构定义了维度之间的父子关系，用于表示数据的层级关系。例如，时间维度可以包含年、季度、月份等层级。层次结构允许用户在不同层级之间进行导航和汇总。
关系（Relationship）：关系定义了不同数据对象之间的连接方式。通过关系，可以将多个表或数据源连接起来，便于在报表中进行联合查询和综合分析。
参数（Parameter）：参数是用于动态设定报表和查询条件的变量。用户可以根据需要设定参数值，从而灵活地调整数据模型的输出结果。
SmartBI提供了丰富的工具和界面，帮助用户创建、编辑和管理数据模型。用户可以通过图形界面进行可视化的建模和配置，也可以通过高级脚本语言进行定制化的模型设计。
总之，SmartBI的数据模型是一个灵活且可扩展的结构，它可以根据不同业务需求和数据特点进行定制，以支持用户对数据的分析和挖掘。
