银行数据仓库：公共层与指标库设计详解

本资源是一份银行指标库设计方案文档，详细阐述了数据仓库在银行运营中的重要角色。数据仓库是一个集成、非易失且随时间变化的数据集合，其核心组成部分包括公共明细层(MK层)、共性加工层(KR层)和指标层(CI层)，这三层共同构成一个统一的数据平台。 1. **公共明细层(MK层)**: 提供基础的明细数据，是数据仓库的基础，这些原始数据是后续处理的起点。MK层数据未经任何业务维度化处理，直接用于后续加工。 2. **共性加工层(KR层)**: KR层是关键环节，它负责对MK层数据进行业务维度化处理，以适应指标层的需求。通过退维方式，KR层将明细数据转化为满足指标提取所需的维度模型，每个模型基于特定的业务主题、维度和度量进行设计。KR层的主要目标是提高数据处理效率，减少系统重复工作，确保数据口径的一致性，并根据不同业务主题进行划分。 3. **指标层(CI层)**: CI层从KR层中提取有价值的信息，构建指标以支持业务分析和决策。CI层指标包括基础指标、衍生指标和组合指标，其中基础指标直接来自KR层和MK层，衍生指标通过基础指标基于特定逻辑加工生成，而组合指标则是由两个或以上指标联合形成的。CI层的设计旨在为下游应用提供高效、准确和一致的分析数据。 4. **KR层设计目标**: - 服务于多个下游应用，促进数据共享，降低重复处理成本和查询复杂度。 - 统一业务统计口径，防止不同系统间口径冲突。 - 根据业务主题进行模块化设计，满足多样化应用需求。 5. **模型设计原则**: - 紧密围绕业务需求，确保数据处理与业务逻辑紧密结合。 - 注重数据质量和一致性，通过预连接、预计算和预汇总提升性能。 - 坚持标准化和规范化，便于维护和扩展。 综上，这份方案文档强调了银行数据仓库在数据整合、处理和分发过程中的核心作用，通过各层次的分工协作，实现高效的数据利用，为业务决策提供有力支持。