分层逻辑
1、ODS（操作数据层，Operational Data Store）
数据来源：主要来源于各种业务系统的原始数据，如数据库的事务日志、文件系统中的业务文件等。这些数据几乎是未经处理的，保留了业务系统产生数据时的原始状态。
数据内容：包括结构化数据（如订单表、用户表中的数据）、半结构化数据（如 XML 或 JSON 格式的配置文件、日志文件）以及非结构化数据（如图片、音频等，但在实际的 ODS 层可能较少涉及非结构化数据的存储，主要是结构化和半结构化数据）。
功能特点：ODS 层的主要功能是对业务数据进行抽取（Extract），实现数据的初步集成，即将不同来源、不同格式的数据进行汇聚，为后续的数据处理提供一个统一的数据基础。它就像是一个数据的 “中转站”，对数据进行简单的清洗（如去除明显错误的数据格式）和转换（如统一日期格式），但不会进行复杂的业务逻辑处理。
2、DWD（明细数据层，Data Warehouse Detail）
数据来源：以 ODS 层为基础，通过对 ODS 层数据进行清洗（Clean）、转换（Transform）和加载（Load）得到。
数据内容：这一层的数据是按照主题域进行组织的明细数据。例如，在电商业务中，会有用户主题、商品主题、订单主题等。以订单主题为例，DWD 层会详细记录每一笔订单的信息，包括订单编号、用户 ID、商品 ID、购买数量、下单时间、支付金额等详细字段，并且这些数据经过了清洗，去除了非法字符、空值等不符合要求的数据。
功能特点：DWD 层主要是为了构建企业级的数据一致性视图，将 ODS 层的数据按照业务主题进行整合和细化。它遵循企业的数据标准和规范，对数据进行更深入的清洗和转换，确保数据的准确性和完整性。这一层的数据是后续数据处理和分析的基础，能够支持简单的数据分析需求，如查询某个用户的历史订单明细。
3、DWS（汇总数据层，Data Warehouse Summary）
数据来源：以 DWD 层的数据为基础，根据业务需求进行汇总（Summarize）和聚合（Aggregate）操作得到。
数据内容：存储的是轻度汇总的数据。例如，对于电商业务，在 DWS 层可能会按照天、周、月等时间维度对订单金额进行汇总，或者按照地区、用户类别等维度对用户购买数量进行汇总。数据的形式可能是每个维度下的汇总统计值，如 “某地区本周的订单总金额”“某类用户本月的购买总次数” 等。
功能特点：DWD 层主要是对明细数据进行粗加工，提供给数据分析人员一些常用的、相对简单的汇总数据，用于快速了解业务的宏观情况。这一层的数据可以支持一些中级复杂度的数据分析，如分析不同时间段内的销售趋势、不同地区的销售差异等，减少了数据查询和计算的复杂度，提高了分析效率。
4、ADS（应用数据层，Application Data Store）
数据来源：主要来源于 DWS 层，也可能会直接从 DWD 层获取部分数据，根据具体的应用场景和业务需求进行定制化处理。
数据内容：这一层的数据是完全为了满足特定的应用需求而准备的，例如为了生成某个业务报表而准备的数据，或者为某个数据挖掘模型提供的训练数据。数据的形式和内容高度依赖于应用场景，可能是经过复杂计算和处理后的结果，如预测的销售额、用户流失概率等。
功能特点：ADS 层是数据仓库分层的最顶层，直接面向数据应用。它将数据处理的结果以最适合应用的方式呈现出来，为企业的决策支持、业务运营等提供数据依据。这一层的数据能够支持高级别的数据分析和应用，如企业战略决策、精准营销活动策划等。
在数据仓库的建设中，分层结构的采用不仅是一种普遍的实践，更是一项关键的战略决策。通过逐层划分，我们能够在复杂的数据体系中保持清晰的组织，提高数据管理的效率和可维护性。分层的架构使得数据仓库更加灵活，能够适应不同层次的用户需求，从而实现数据的广泛共享与高效利用。
FineDataLink——中国领先的低代码/高时效数据集成产品，能够为企业提供一站式的数据服务，通过快速连接、高时效融合多种数据，提供低代码Data API敏捷发布平台，帮助企业解决数据孤岛难题，有效提升企业数据价值。
了解更多数据仓库与数据集成关干货内容请关注>>>FineDataLink官网
免费试用、获取更多信息，点击了解更多>>>体验FDL功能