大資料平臺建設後，資料經過初步的清洗、簡單加工進入到貼源層，面對這些資料，如何在貼源層之上的基礎層構建主題模型是需要思考的一個課題。清晰的資料結構可以在使用表的時候能更方便地定位和理解，規範資料分層，開發一些通用的中間層資料，比如彙總層資料，滿足不同業務取數要求，能夠減少極大的重複計算；通過針對原始資料的一些預處理（缺失值、噪聲等處理）遮蔽原始資料的異常。 針對這塊，可以說我還是個小白，故自己查閱了一些網上資料並做了總結，記錄在這裡。

• 通用金融行業主題域模型設計原則：

1、是對商業模型的抽象； 2、以商業模式中關注的物件為劃分依據； 3、內容完整且相對穩定； 4、每個主題域下一般都有一個與之同名的主實體，圍繞該主實體展開各種關係實體及父子實體。

• NCR金融資料模型 NCR FS-LDM資料模型可以說是金融行業事實上的工業標準。
• 支付寶

支付寶基於IBM 的FSDM的九大資料概念進行客戶化，如下圖所示：

• 結語
• 結語 資料倉庫的分層可以算是資料倉庫架構的子話題。從目前來看，還沒有非常統一的分層方法，其中，Inmon和Kimball是最具代表性的兩種分層方法。 在Inmon提出的CIF（Corporate Information Factory，企業資訊工廠)中，他將ODS（Operational Data Store，操作型儲存）、EDW（Enterprise Data Warehouse，企業資料倉庫）、DM（DataMart，資料集市）區別開來，共分三層。相對於此，Kimball的匯流排架構強調多個數據集市合成了資料倉庫，只是他們基於統一的維度而已。因此，匯流排架構的分層中，從資料來源介面就直接到了DM了。 根據這兩種思路，又可以衍生一些不同的方法。例如IBM提出的CDW的概念，叫做企業資料倉庫層，這一層介於EDW和DM之間，起過渡作用（因為EDW和DM兩層的建模理念是不同的）。 像IBM、NCR這樣的廠商，他們大多走的Inmon路線。經過多年的經驗總結，都已有自己的企業概念模型，這也非常適合走分層明確、具有中心資料倉庫的路線。在Inmon的體系中，EDW是按照第三正規化建模的。之所以要強調這種思想，是因為第三正規化能夠讓資料模型變得簡潔、高度一致性。對資料倉庫的一個目的——統一口徑（Single Version of Truth），是非常有幫助的。 另一方面，Kimball的維度建模理論，即按照事實表、維表來構建資料倉庫、資料集市，也已經在很多實踐中被證明是非常有效的方法。可這種建模方法和第三正規化多少有點衝突。例如在維表中，不同粒度的資料放在一種表裡面，即存在大量的資料冗餘。但這種方法對資料倉庫四大特點之一的“面向主題”，又是有利的。 如此看來，大家提到的方法似乎都是從不同角度去看，沒有絕對的對錯，只是在為維護自己的觀點而爭論。具體採用何種分層，還得看專案投資大小、資料量多少以及業務邏輯複雜程度。