开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第6天 juejin.cn/post/716729…
分层规范：
ODS：原始数据层，主要包含业务库RDBMS数据，或其他服务器采集后进行清洗的数据。
DWD：数据明细层，主要做ODS层数据清洗，主题相关的维度表、事实表开发等。
DWS：主要做DWD层数据的轻量级汇总、一些重点数据的周期性快照保留等。
ADS：数据服务层，面向应用的层级，包括BI及画像等等。
更新方式命名规范：
增量：使用i尾缀
全量：使用f尾缀
表名规则：
主题域规则：
数据治理原则
数据治理是企业数据建设必不可少的一个环节。
好的数据治理体系可以盘活整条数据链路，最大化保障企业数据的采集、存储、计算和使用过程的可控和可追溯。
举个例子：
年底了，企业财务管理员小张需要统计公司的金融财务情况。忙碌了一年，公司老板亟需知道公司目前的运营状况。
公司目前有哪些财产？
这些财产从哪里来？用到了哪些地方？
是否所有财产的使用均符合规范和制度？
幸好小张年初已经制定了一套管理标准。每笔财产的出入都有记录且严格把控使用情况，过程可追溯可审查。
由此可见数据治理的核心工作： 在企业的数据建设进程中，保障企业的数据资产得到正确有效地管理。
一般来说，数据从外部或者内部产生后，经过大数据手段处理，流转到不同的业务端，为企业的上层应用提供数据赋能。
- 我们先做一些类似数据同步的工作将数据放入到大数据系统中
- 数据进来后需要管理和存储，即参考建模理论和实际场景建设数仓
- 经过主题规划、维度确定、标签计算输出等步骤处理
- 数据输出到报表、应用端使用
整体流程数据治理体系将全程监管。要确认进出系统的数据质量怎么样？是否可转化数据资产？数据血缘是否可追溯、数据安全等问题。
