如何使数据在数据仓库中真正发挥最大的作用呢？这时我们可以对数仓进行分层。

数仓分层意义

把复杂问题简单化。可以将一个复杂任务分解多个步骤完成，每层只处理单一步骤。
减少重复开发。规范数据分层，通过使用中间层数据，可以大大减少重复计算量，增加计算结果复用性。
隔离原始数据。使真实数据与最终统计数据解耦。
统一数据口径。通过数据分层，提供统一的数据出口，统一输出口径。
数据一致性。通过公共下沉数据，下又使用的时候不再重新计算，可保证一定是数据一致性问题。
数据权限。通过分层，实现对不同分层数据的权限管理。

分层的核心思想就是解耦，再解耦，把复杂的问题简单化，这直接影响了数据架构到底分几层。

数据分层架构介绍

如何分层取决于设计者对数据仓库的整体规划，大致思路相同。以下介绍一种分5层的数仓分层架构。

ODS层

原始数据层，用于存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理。
主要起到备份作用，采用压缩格式，减少磁盘存储空间，创建分区表，防止后续进行全表扫描。

DWD层

明细数据层，对ODS层数据进行清洗、维度退化、脱敏等。
以维度模型进行构建，一般采用星型模型，而呈现的状态一般为星座模型。
维度建模方法步骤一般为：
选择业务过程：选择具体业务
声明粒度：保存数据的细化程度或综合程度级别
确定维度：用于描述业务事实
确定事实：以业务过程为建模驱动，构建最细粒度的明细数据层事实表。