V10版本数据准备的改进点如下：
+【数据准备】新增数据模型，将所有查询结果归集并基于CUBE重新构建数据结构
背景介绍
随着市场竞争的日趋激烈，企业的决策更加强调及时性和准确性，越来越多的用户需要多维度、更加灵活的方式观察数据变化，以获得对数据更加深入的了解，从而更好的促进企业的发展。为了满足用户的需求，新版本产品新增数据模型，可实现将所有查询结果归集后，基于CUBE模型重新构建数据结构。CUBE模型主要以“维度”和“度量”进行构建，同时增加了“成员”和“命名集”的创建，实现了数据模型构建的灵活性及应用广泛性。
功能概述
新版本在 数据准备>数据集 中，新增“数据模型”类型。
包含了以下功能：
私有查询
数据模型可实现将所有数据集作为私有查询结果归集。
支持数据来源有：数据源表、数据文件、SQL查询、即席查询、脚本查询、存储过程查询和ETL高级查询。
重构数据结构
数据模型基于CUBE模型重新构建了数据结构，CUBE模型主要以“维度”和“度量”进行构建，支持使用MDX表达式创建计算度量、计算成员、命名集。
参数及参数管理
数据模型支持设置每个私有查询的参数，可对整个数据集包含的参数进行管理。
应用于报表
数据模型作为数据来源，可用于定制自助仪表盘和电子表格。
参考文档
关于数据模型的功能，详情请参考 数据模型 。
+【数据准备】自助ETL新增Python脚本节点
背景介绍
随着大数据时代的到来，Python已经在数据处理、数据可视化、机器学习等领域受到广泛应用。V10版本的ETL功能支持用户编写Python脚本，利用其丰富的科学计算扩展库，满足更多数据处理和分析场景，提高生产效率。
功能概述
Python脚本节点，支持用户编写Python代码，以便实现更自由、更高效的数据处理、数据分析操作，丰富了数据建模过程。
参考文档
关于Python脚本的功能，详情请参考 Python脚本 。
+【数据准备】新增作业流功能，实现多ETL实验之间执行依赖关系
背景介绍
在数据准备中，从原始数据到最终展现数据需要经过多个ETL实验处理，这些ETL实验的执行调度存在着依赖关系，也就是多个ETL实验需要按照指定的顺序和条件调度执行。新版本，产品在自助ETL中新增作业流功能，是一个轻量级的调度功能，多个ETL实验可按照指定的顺序和条件调度执行，实现了多ETL之间执行依赖关系。
功能简介
新版本，产品在自助ETL中新增作业流功能，可将自助ETL、作业流实验当做作业执行。
并支持设置分支条件，作业只有满足设置的条件才会继续执行。
系统运维人员可通过作业流监控，对作业流的运行情况进行监控。
参考文档
关于作业流的功能，详情请参考 作业流 。
