07_数据治理方案_大数据平台开发规范.doc

大数据平台建模规范

第PAGE33页共NUMPAGES44页

大数据平台

建模规范_V1.0

2018年7月

版本控制

LastUpdated

最后更新

VerSion版本

UpdateBy

作者

Comments/Reasons

评价/原因

TOC\o1-4\h\z\u

19746版本控制 2

125661.前言 4

254751.1.文档描述 4

222201.2.术语/缩写约定 4

115061.3.参考资料 4

275062.建模规范 5

149232.1.EDW-LDM概念 5

18222.2.模型设计理念和原则 5

110682.3.模型设计方法 6

151202.4.模型数据整合总体原则 7

8282.5.建模流程 8

161772.5.1.建模总体过程 8

70662.5.2.协同工作总体过程 9

113793.模型命名规范 9

171143.1.模型命名 9

131213.2.数据模型主题域命名 10

235253.3.实体/表命名 10

303073.4.属性/列命名 12

91823.5.SDM填写规范 13

138203.6.数据类型规范 14

152693.7.视图命名 16

50104.建模布局规范 17

149134.1.LDM图示 17

161924.1.1.实体(Entity) 17

306674.1.2.标识(Identifying) 17

80634.1.3.分类实体(Subtype) 19

318954.2.PDM图示 20

205194.2.1.表和视图(Table/View) 20

78434.2.2.标识(Identifying) 21

31387附录二:常用词汇命名/简称约定 22

前言

此文档用于大数据平台开发中，规范性要求的定义，用以指导平台数据开发。

建模规范

EDW-LDM概念

企业级数据仓库（EnterpriseDatawarehouse）逻辑数据模型（LogicalDataModel）是一种图形的展现方式，采用面向主题的方法有效组织来源多样的各种业务数据，同时能全面反映企业复杂的业务规则，支持大量的分析应用。它使用同一的逻辑语言描述银行业务，是数据管理的分析工具和交流的有力手段；同时还能够很好地保证数据的一致性，是实现业务智能（BusinessIntelligence）的重要基础。

模型设计理念和原则

高阶逻辑数据模型设计遵循了业内LDM的主要设计原则，包括：

中性与共享性

为了满足不同的业务需求，LDM高阶模型实现了高度的结构化、模块化设计思想，十个主题域的提炼、主要的分类、相互之间的关系、历史信息的保存等，体现了一个清晰、严谨的模型架构。

具有中性特征的LDM高阶模型能涵盖行内现有的业务范围，且能够扩展，满足不断产生的业务发展需求，它选择了语义关系建模的设计方式，从业务逻辑角度以关系模型方法建模，以一种清晰的表达方式记录跟踪金融机构的重要数据元素以及变动。

模型的一致性

作为基础数据平台设计基础的逻辑数据模型必须在设计过程中保持一个统一的业务定义，比如渠道的定义、客户的分类等应该在整个企业内部保持一致，将来各种分析应用都使用同样的数据，这些数据应按照预先约定的规则进行刷新，保证同步和一致。

LDM高阶模型中对企业经营的重要业务元素以及一些业务规则进行了规范化的处理，统一这样的定义和概念，方便不同系统的开发人员在进行功能涉及和展现时的沟通和交流。

3NF原则

LDM高阶模型是一个基本上满足第三范式要求的语义关系模型，从定义上“EveryNon-Keyattributeisfullydirectlyfunctionallydependentonthecandidatekeys.”这种设计方法能够最大程度上减少冗余。

第三范式的设计同时保证了LDM高阶模型的灵活性和扩展性。面对新的需求，这种结构能够进行简单、自然的扩展。这种特性使得LDM高阶模型在设计过程可以“想大做小”——在有一个全局规划的同时，选定某些部分入手，然后再逐步进行完善。比如可以从通过一个客户的基本信息资料、持有产品、账户信息入手进行简单的分析，然后补充客户和其他机构、客户的关系，延伸至全面的客户关系管理。

粒度性

为了满足将来不同的应用分析需要，LD