数据治理究竟是份什么工作?

程序源代码

共 2071字,需浏览 5分钟

 ·

2022-07-04 23:22

为什么是脏活、累活?

1. 源数据

  • 烟囱式开发

    业务繁多、数据库多而乱,系统与系统之间错综复杂

  • 数据库种类:

    架构经历多次变迁,切换不完全,需要从Mysql、oracle、hbase甚至excle表中跨库、跨实例、跨种类才能获得有效业务数据

  • 数据结构混乱:

    同一字段,类型、命名都不一致

  • 文档缺失:

    数据库文档或文档陈旧

2. 变迁

  • 系统版本升级:

    每一次升级都只是掩盖之前的错误,数据治理需要从源头

  • 人员变更:

    梳理过程中的大部分问题最终答案:

    “不清楚,原来维护人已离职”

  • 数据流转:

    数据从源头经过很多次不规范的同步

3. 存量

  • 各自为政:

    各业务部门已有自己的统计逻辑和报表,同一指标汇总维度又不一致,梳理、治理、输出还要尽量不影响已有报表结果

  • 半途而废:

    前任都知道数据治理、统一出口的重要性,但只完成一部分就放弃了。

    问题在于“完成的一部分”有人还在用

怎么开始?

1. 方法论

  • 统一定义:

    对个性化的数据指标统一规范定义

  • 标准建模

    建立数据公共层对模型架构进行标准规范设计和管理

  • 规范研发:

    将建模方法体系贯穿在整个数据研发流程

  • 工具保障:

    通过研发一系列的工具保障方法体系的落地实施

2. 统一方法策略:统一归口、统一出口



图片来源:阿里巴巴 OneData



3. 统一业务归口

1.模型

规范化模型分层、数据流向和主题划分,从而降低研发成本,增强指标复用性,并提高业务的支撑能力。

2.规范

规范是数仓建设的保障。为了避免出现指标重复建设和数据字段难以理解的情况

(1) 词根

词根是维度和指标管理的基础,划分为普通词根与专有词根,提高词根的易用性和关联性。

  • 普通词根:

    描述事物的最小单元体

  • 专有词根:

    具备约定成俗或行业专属的描述体,如:

    -USD。

(2) 表命名规范

通用规范

  • 表名、字段名采用一个下划线分隔词根(示例:

    clienttype->client_type)。

  • 每部分使用小写英文单词,属于通用字段的必须满足通用字段信息的定义。

  • 表名、字段名需以字母为开头

  • 表名、字段名最长不超过64个英文字符。

  • 优先使用词根中已有关键字(数仓标准配置中的词根管理)

  • 在表名自定义部分禁止采用非标准的缩写

表命名规则

表名称 = 所处分层 + 业务主题 + 子主题 + 表含义 + 更新频率 + [分表:_0、_10]

(3) 指标命名规范

结合指标的特性以及词根管理规范,将指标进行结构化处理。

A. 基础指标词根,即所有指标必须包含以下基础词根:

基础指标词根英文全称Hive数据类型MySQL数据类型长度精度词根样例
数量countBigintBigint100cnt
金额类amoutDecimalDecimal204amt
比率/占比ratioDecimalDecimal104ratio0.9818

B.日期修饰词,用于修饰业务发生的时间区间。

日期类型全称词根备注
dailyd
weeklyw
monthym
季度quarterlyqQ1 ~ Q4

C.聚合修饰词,对结果进行聚集操作。

聚合类型全称词根备注
平均averageavg
周累计wtdwtd

E.基础指标,单一的业务修饰词 + 基础指标词根构建基础指标 ,例如:交易金额 - trade_amt

F.派生指标,多修饰词+基础指标词根构建派生指标。派生指标继承基础指标的特性,例如:新增门店数量-new_store_cnt

(4) 清洗规范

确认了字段命名和指标命名之后,根据指标与字段的部分特性,我们整理出了整个数仓可预知的24条清洗规范:

数据类型数据类别Hive类型MySQL类型长度精度词根格式说明备注
日期类型字符日期类stringvarchar10
dateYYYY-MM-DD日期清洗为相应的格式
数据类型数量类bigintbigint100cnt活跃门店

3. 统一数据出口

数仓建设保证数据质量以及数据的使用,对数据资产管理和统一数据出口之前:

  • 统一指标管理,保证了指标定义、计算口径、数据来源的一致性

  • 统一维度管理,保证了维度定义、维度值的一致性

  • 统一数据出口,实现了维度和指标元数据信息的唯一出口,维值和指标数据的唯一出口

4. 数据资产沉淀


图片来源:阿里巴巴 OneData


  • 词根、命名归档

  • 指标定义说明、指标树归档

  • 维度、维度树、数据类型

  • 计算逻辑统一,如:

    利润、成本等形成标准计算公式

5. 流程改善

建立运维监控体系

开发流程(仅包含数据模型及 ETL ),关键节点维度、指标及计算逻辑确定


开发流程


6. 标准化规范化数据流向

避免大量的烟囱式开发、重复生成明细表或轻度汇总表、分层引用等不规范性及数据链路混乱


标准化数据流向图


  • 标准的数据流向进行开发:

    即ODS–>DWD–>DWS–>APP 或 ODS–>DWD–>DWM–>APP

  • 新业务数据流:

    遵循ODS->DWD->APP或者ODS->DWD->DWS->APP两个模型数据流

寄语:一旦开始数据治理,不要半途而废


https://www.zhihu.com/answer/2551758354
原文
浏览 17
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报