數據分層的因素有哪些

① 各位大神，數據倉庫分層 DWD DWB DWS 分別是什麼縮寫啊

DW ：data warehouse 翻譯成數據倉庫

DW數據分層，由下到上為 DWD,DWB,DWS

DWD：data warehouse detail 細節數據層，有的也稱為 ODS層，是業務層與數據倉庫的隔離層。

DWB：data warehouse base 基礎數據層，存儲的是客觀數據，一般用作中間層，可以認為是大量指標的數據層。

DWS：data warehouse service 服務數據層，基於DWB上的基礎數據，整合匯總成分析某一個主題域的服務數據，一般是寬表。

(1)數據分層的因素有哪些擴展閱讀

數據倉庫分層的原因

1、通過數據預處理提高效率，因為預處理，所以會存在冗餘數據

2、如果不分層而業務系統的業務規則發生變化，就會影響整個數據清洗過程，工作量巨大

3、通過分層管理來實現分步完成工作，這樣每一層的處理邏輯就簡單了

標準的數據倉庫分層：ods（臨時存儲層），pdw（數據倉庫層），mid（數據集市層），app（應用層）

4、空間換時間。通過建設多層次的數據模型供用戶使用，避免用戶直接使用操作型數據，可以更高效的訪問數據。

5、把復雜問題簡單化。講一個復雜的任務分解成多個步驟來完成，每一層只處理單一的步驟，比較簡單和容易理解。而且便於維護數據的准確性，當數據出現問題之後，可以不用修復所有的數據，只需要從有問題的步驟開始修復。

6、便於處理業務的變化。隨著業務的變化，只需要調整底層的數據，對應用層對業務的調整零感知

② 為什麼要對數據流圖分層

對一個大型的系統，如用一張數據流圖畫出所有的數據流和加工，則圖紙將極其龐大復雜，因而難以理解。為了控制復雜性，對數據流圖分層，能夠把復雜的數據簡單化。
數據流圖只有一層，但是如果編號為3的加工「付款」和編號為7的加工「復審」仍很復雜，一時難以理解，則可以將它們進一步分解成加工3.1、3.2、……，以及加工7.1、7.2、7.3、……。」等，如此繼續下去，直到每個加工都足夠簡單易於理解為止。
逐層分解的方式不是一下子引進太多的細節，而是有控制地逐步增加細節，實現從抽象到具體的逐步過渡，這是有助於理解一個復雜的問題的。
用數據流圖來描述「逐層分解」，就得到了一套分層的數據流圖。