为什么需要数据模型

1.1  为什么需要数据模型

• 正如一部汽车的动力取决于引擎，同样在一个BI产品里面也有一个引擎——数据建模。

Smartbi提供的数据建模功能 数据模型 带来了“敏捷建模”的新思路，从“数据引擎”上提高数据准备效率，为上层应用（即席查询、交互仪表盘、电子表格等）输出更澎湃的“动力”，

让Smartbi成为拥有“多维建模”能力的一站式BI产品，全面提升产品的功能性和便捷性，相当于把汽车从原来的V4发动机升级到了V12发动机，这是一个质的飞跃！

接下来，我们看一下为什么需要数据模型？

1.1.1 增强“一站式”的架构能力

A客户刚接触BI平台建设，未有完善的数据集市，但是市场上的数据集市工具和BI工具是分开的，无法满足一站式BI的需求。此外，其他BI厂商虽有数据集功能来为数据展现服务，但是因为数据集本身分散、混乱等问题，难以承担“敏捷建模”的使命。

客户期望：一个产品满足完成数据处理、敏捷建模、数据分析、数据分享等BI需求

“数据集市”必不可少，却位于BI软件之外。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。

1.1.2 增强"数据准备”的敏捷能力

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，分析应用起来更加直观、效率更高。

但是因为宽表模式的限制，存在增删分析字段不方便、数据重复膨胀口径不一、关联计算时数据量大性能慢、宽表和业务手工Excel数据关联混合分析不方便等问题，技术人员处理起来不灵活、不敏捷。

客户期望：能够实现更加敏捷的多维建模。

受限于技术，传统“数据集市”不敏捷。在处理实际需求时，技术人员响应不快，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，即无论是数据分析还是建模操作，都希望更加简单敏捷。Smartbi数据模型就是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等。

1.1.3 增强“模型计算”的基础能力

小李是一家大型金融企业的数据分析师，经常要做各类业务数据的统计分析，比如要统计银行各营业部近5天购买金融产品金额超过1万的客户数。类似需求，小李都要找IT人员，通过书写复杂的二次汇总计算脚本费时费力才能勉强实现。

客户期望：让数据二次三次加工处理不再费时费力

Smartbi数据模型提供了丰富、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。

1.1.4  整合分散的业务数据，提升关联分析的效率

小王是一名大型企业的业务员，经常要及时灵活分析业务发展情况。但是由于业务数据分散存在多个业务系统，比如：产品生产系统中的产品表（MySQL库）、订单系统的订单表（Oracle库）等，并且还有部分存储在本地Excel文件中的数据很难导入系统进行关联分析。因此导致小王业务分析效率、正确率低下，对业务指导不够及时。

客户期望：整合分散的业务数据，及时灵活的分析业务数据

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。

1.1.5  解决“网状路径”的选择问题

对于使用Smartbi V10之前版本的用户，初始使用各种数据集进行数据准备和分析时，往往不知如何选择使用。

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，从而让表现层和数据层关系变得简单，用户一眼即可看清功能逻辑，学习和使用成本进一步降低。

1.2 数据模型特性优势

 1.2.1 相比数据集优势

在传统的数据分析场景中，往往会把数据统一接入到一个数据平台，例如数据仓库。基于数据仓库，把数据开发整理成宽表形式的数据集，数据集提供数据到BI等上层分析应用，用户通过查看报表和数据应用来做业务洞察分析和开展业务决策。

这种情况下，BI 报表或应用系统的数据分散存储在各个数据集，当数据量、用户数越来越多时，数据管理会产生很大的混乱。例如指标数据在不同报表中出现数据解释歧义、数据口径不一致等。并且用户在使用时很难快速定位需要分析的指标数据存在哪张表上，数据使用的效率很低，也降低了业务用户对数据的信心。

Smartbi数据模型相较于数据集，数据管理的方式，从根本上由“表”转变成“指标”。Smartbi 数据模型，将所有查询结果归集实现数据层统一，所有的指标数据被统一管理，并且形成指标数据体系。基于维度模型以“维度”和“度量”重新构建数据结构，以多维模型为基础，提高数据处理效率与计算能力。既能满足业务多变的需求，又能避免数据冗余导致的数据表无限扩充。

1.12.2 功能特性总结