数据分层的因素有哪些

① 各位大神，数据仓库分层 DWD DWB DWS 分别是什么缩写啊

DW ：data warehouse 翻译成数据仓库

DW数据分层，由下到上为 DWD,DWB,DWS

DWD：data warehouse detail 细节数据层，有的也称为 ODS层，是业务层与数据仓库的隔离层。

DWB：data warehouse base 基础数据层，存储的是客观数据，一般用作中间层，可以认为是大量指标的数据层。

DWS：data warehouse service 服务数据层，基于DWB上的基础数据，整合汇总成分析某一个主题域的服务数据，一般是宽表。

(1)数据分层的因素有哪些扩展阅读

数据仓库分层的原因

1、通过数据预处理提高效率，因为预处理，所以会存在冗余数据

2、如果不分层而业务系统的业务规则发生变化，就会影响整个数据清洗过程，工作量巨大

3、通过分层管理来实现分步完成工作，这样每一层的处理逻辑就简单了

标准的数据仓库分层：ods（临时存储层），pdw（数据仓库层），mid（数据集市层），app（应用层）

4、空间换时间。通过建设多层次的数据模型供用户使用，避免用户直接使用操作型数据，可以更高效的访问数据。

5、把复杂问题简单化。讲一个复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。而且便于维护数据的准确性，当数据出现问题之后，可以不用修复所有的数据，只需要从有问题的步骤开始修复。

6、便于处理业务的变化。随着业务的变化，只需要调整底层的数据，对应用层对业务的调整零感知

② 为什么要对数据流图分层

对一个大型的系统，如用一张数据流图画出所有的数据流和加工，则图纸将极其庞大复杂，因而难以理解。为了控制复杂性，对数据流图分层，能够把复杂的数据简单化。
数据流图只有一层，但是如果编号为3的加工“付款”和编号为7的加工“复审”仍很复杂，一时难以理解，则可以将它们进一步分解成加工3.1、3.2、……，以及加工7.1、7.2、7.3、……。”等，如此继续下去，直到每个加工都足够简单易于理解为止。
逐层分解的方式不是一下子引进太多的细节，而是有控制地逐步增加细节，实现从抽象到具体的逐步过渡，这是有助于理解一个复杂的问题的。
用数据流图来描述“逐层分解”，就得到了一套分层的数据流图。