无懈可击的数据仓库体系规划及实施流程( 二 ) _数据仓库

【无懈可击的数据仓库体系规划及实施流程】8、用户主线
反映整个app的用户规模，比如整个app的活跃、累积活跃、新增、留存、回流、流失。
9、用户群线
满足某些行为的用户群的追踪，目的是为了进行个性化的运营等活动，该线的升华扩展是用户画像。
10、内容消费
提供的消费实体的曝光、点击、生成、转化等，以及内容的累积消费、消费排行等都属于内容线。
11、状态线
一般会作为辅线存在，相当于维表的存在，状态线一般又分为以下几种：

天表全量用户状态，会加入一些修正，以及基于天全量的累积表的快照；
全量用户信息维表；
开关操作状态线；
记录开关状态变更记录，得到当前用户的开关状态快照，是多态记录的一种特殊情况；
添加删除状态线；
记录用户的添加删除等操作，得到当前用户操作结果的保有快照；
其它，比如登录状态、用户等级等。

12、商业化线
商业化线相关的与收入相关的，比如cp合作、广告位、推广位、订单、会员充值等。
需要说明的是本系列的数仓的主要介绍的是流量型产品形态、更多的是关注用户规模，所以主线是是关于用户的，而对于其它的产品形态，比如购物类、充值消费类的则主线可能是商业化线等。此外作为用户流量型产品，还隐藏着另外一个更加常用的线：自查线，每个主题的自查明细表，基于event_id或者参数的展开，但是没有参数值的组合过滤。（自查线这个似乎没有必要）
下图是一张数仓的分线演示图，每个框是一张表，不同颜色的框串联成各自的数仓线。

文章插图
13、分主题
在进行分矩阵设计的时候牵涉到分行和列的业务主题，此处详细介绍下数据主题的设计，本部分的设计是从高层次上的。
主题划分的一些依据：业务过程（或子过程，比如订单）、ER中的E(或者R，比如商品主题)、数据服务的对象（运营主题）、数据的用途（比如商业）;分主题也即数据集市，根据业务形态的不同，会衍生出不同的主题，但以下主题在app中广泛存在：

用户主题（也即大盘：新增活跃、留存）；
内容主题（具体提供的服务形式，也可以理解为产品主题，含曝光、点击、分享等用户消费传播行为）；
运营主题（可能合并到某个内容主题上，比如活动、通知、弹窗、授权、分享等）；
商业化主题（广告、订单等通常用于结算）；
技术主题（故障率、崩溃率、准确率等衡量技术指标）。

备注：

社交主题可以合并到内容主题也可以合并到运营主题，需要视app的具体特性和重视程度确定；
数仓的分主题主要体现在数据集市层，而数据集市层可能会因为使用比如kylin等多维分析工具被弱化。

14、用户主题
用户主题是产品的盘子，就像家店铺，多少人使用就像多少顾客。基于用户主题的常见统计有整体的新增、活跃、累积活跃、新增留存、活跃留存等大盘数据，以及对某些关键行为的用户的后续追踪，还有某些核心过程的PUV、转化漏斗等。
15、内容主题
内容主题是盘子里东西的消费状况，就像提供的菜单，每个菜被多少人点了。基于内容主题的常见统计有针对内容（文章、视频、商品等）的各种消费行为（曝光、点击、购买、下载等）的次数、人数、时长、金额等按不同维度的度量统计。常见的维度拆分有时间拆分、地域拆分、位置（人货场模型中的场）拆分、画像拆分、渠道拆分等，对度量的统计又有累积、非累积、TopN等。
16、运营主题
广告、促销、活动等一切由于运营活动相关本身的数据统计，以及运营活动对其它主题数据的影响衡量。
17、营收主题
营收的来源主要分为以下几种：
1）流量广告

商务合作；
优惠券。

2）充值消费

会员充值；
订单、打赏等。

流量广告的数据主要产生于用户行为，而充值消费的数据主要来自业务库相关。
以上四个主题是在常见应用上通用的主题，其它的主题比如技术主题，在某些有明显的技术指标对比的产品上会占主要的地位，比如文字识别类应用的识别准确率、搜索类产品的搜索满意度、语音智能助理类的会话完成率等。这些产品上技术指标和用户的体验密切相关，是产品未来发展重要的参考方向，因此会强化出来做数据主题。另外如引流类或者与其他app有频繁的引流拉起等应用的数据体系建设上，也会单独拿出跳转对接数据做主题分析。总之，主题的划分并不是确定不变的，需要根据业务的具体形态和重点度量的指标等进行建设。