主題域
主題域比較抽象，可以理解成我們要分析業務的範圍，實際開發中接觸更多的是主題，一個主題對應一個單獨的模型，一個模型則有多個實體，多個維度、多個度量。
主題
主題就是我們要分析的對象，業務關心數據實體，比如我們的訂單主題、用戶客戶主題、渠道主題、流量主題、企業主題、產品主題、銷售主題、財務主題、活動大賽主題等
一個主題：包含要統計的度量、分析度量的維度、數據調度週期、存放時間等，舉個例子：
比如：銷售主題：度量就是銷售額度；分析維度：日期（日月季年）、地區維度、渠道維度、銷售方維度
再比如：訂單主題：度量就是訂單金額；分析維度：日期維、區域維、渠道維、商城維、產品類型維、訂單類型維
調度週期按天、永久存儲。
如何進行數據建模
數據建模實際上就是數據分析、業務梳理的過程，搞清楚兩個東西、第一、我們有哪些數據？存在哪些地方，第二我們用這些數據幹啥？分析哪些方向的數據，從哪些角度來分析？分析清楚之後模型基本就明確了。
對對象屬性、公有的屬性進行提取，保障模型的兼容性和靈活性，上層業務變更不會影響我底層模型的調整。
數據倉庫建模方法
維度建模、星型建模、多維建模
以業務爲中心，充分分析數據、對業務劃分、確定主題以及主題分析的度量，然後在確定分析度量的角度或者維度，
舉個例子：以訂單金額爲度量，通過多個維度對金額進行分析，度量+維度構成了我們的主題
好的書模型可以減少計算成本、提高數據鏈路的執行效率
如何應對業務邏輯頻繁變更？
模型靈活性兼容性設計了
設計模型的時候提取公用的屬性、不變的屬性，同時減少模型間的耦合、減少模型之間的重合