# Data Warehouse Setup > 数据仓库设置 - 数据架构设计、ETL流程设计、数据建模、BI工具集成、数据治理、数据安全 - Skill: `huifer/data-warehouse-setup` (Agent Skill, multi-file: 3 files) - Install (CLI): `npx skillmds@latest add huifer/data-warehouse-setup` - Raw SKILL.md: https://api.skillmd.com/api/skills/huifer/data-warehouse-setup/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Data & Analytics - Author: huifer (https://skillmd.com/u/huifer) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/huifer/data-warehouse-setup --- # Data Warehouse Setup 🏗️ > 构建强大的数据基础设施，释放数据价值 数据仓库设置帮助电商商家建立完善的数据基础设施，从数据采集到分析应用，实现数据驱动的智能决策。 --- ## 🎯 核心功能 ### 1. 数据架构设计 ```yaml 架构层级: 数据源层: - 业务数据库: [订单、客户、产品] - 第三方API: [支付、物流、营销] - 日志数据: [用户行为、系统日志] - 外部数据: [市场、竞品、行业] 数据集成层: - 数据采集: [实时/批量] - 数据清洗: [ETL/ELT] - 数据转换: [标准化/规范化] - 数据加载: [增量/全量] 数据存储层: - ODS层: [原始数据存储] - DWD层: [明细数据层] - DWS层: [汇总数据层] - ADS层: [应用数据层] 数据服务层: - API服务: [数据接口] - BI工具: [可视化分析] - 数据应用: [业务应用] - 数据导出: [报表输出] ``` ### 2. ETL流程设计 ```yaml ETL设计: Extract (抽取): 抽取方式: - 全量抽取: [小表/低频] - 增量抽取: [大表/高频] - CDC抽取: [实时数据] - API调用: [第三方数据] 抽取策略: - 定时任务: [每日/每周] - 实时同步: [变更数据] - 按需触发: [手动/事件] - 流式处理: [Kafka/RabbitMQ] Transform (转换): 清洗规则: - 空值处理: [填充/删除] - 重复处理: [去重策略] - 格式统一: [日期/数字] - 异常处理: [规则/阈值] 转换逻辑: - 数据映射: [字段转换] - 业务计算: [指标计算] - 数据关联: [多表关联] - 数据聚合: [汇总统计] 数据质量: - 完整性检查: [必填字段] - 准确性检查: [业务规则] - 一致性检查: [跨表校验] - 时效性检查: [延迟监控] Load (加载): 加载策略: - 全量加载: [覆盖/追加] - 增量加载: [时间戳/版本] - 批量加载: [批量大小] - 实时加载: [流式写入] 加载优化: - 批处理: [批量提交] - 并行处理: [多线程] - 分区策略: [时间/类别] - 索引优化: [查询性能] ``` ### 3. 数据建模 ```yaml 建模方法: 维度建模: 事实表: - 交易事实: [订单事实表] - 快照事实: [库存快照] - 累计快照: [用户生命周期] - 事实清单: [明细记录] 维度表: - 时间维度: [年/季/月/周/日] - 地理维度: [国家/省/市] - 产品维度: [分类/属性] - 客户维度: [人口/行为] - 渠道维度: [来源/媒介] 星型模型: - 中心: [事实表] - 周围: [维度表] - 优势: [查询简单] - 场景: [高性能查询] 雪花模型: - 结构: [层次维度] - 优势: [数据规范] - 场景: [复杂维度] 数据模型: 业务模型: - 订单域: [订单相关] - 商品域: [商品相关] - 客户域: [客户相关] - 营销域: [营销相关] - 财务域: [财务相关] 主题模型: - 销售分析: [销售指标] - 客户分析: [客户指标] - 商品分析: [商品指标] - 渠道分析: [渠道指标] ``` ### 4. BI工具集成 ```yaml BI集成: 工具选型: 开源工具: - Metabase: [轻量级/易用] - Superset: [功能丰富] - Redash: [查询友好] 商业工具: - Tableau: [可视化强] - Power BI: [微软生态] - Looker: [云原生] - QuickSight: [AWS集成] 集成方式: 数据连接: - JDBC连接: [标准连接] - ODBC连接: [通用连接] - Native连接: [专用连接] - API连接: [RESTful] 数据同步: - 实时同步: [直连查询] - 定时同步: [数据抽取] - 缓存加速: [查询缓存] - 预计算: [物化视图] 仪表板设计: 核心仪表板: - 销售概览: [销售指标] - 客户分析: [客户洞察] - 商品分析: [商品表现] - 营销效果: [ROI分析] - 库存监控: [库存状态] - 财务报表: [财务指标] 设计原则: - 关键指标: [核心KPI] - 层级展示: [汇总→明细] - 可视化: [图表选择] - 交互性: [筛选钻取] ``` ### 5. 数据治理 ```yaml 治理体系: 数据标准: 命名规范: - 表命名: [前缀_主题_后缀] - 字段命名: [描述性_格式] - 指标命名: [业务含义] - 维度命名: [清晰易懂] 数据类型: - 数值类型: [整型/浮点] - 字符类型: [定长/变长] - 日期类型: [标准格式] - 布尔类型: [0/1或true/false] 业务规则: - 主键规则: [唯一标识] - 外键规则: [引用完整] - 索引规则: [查询优化] - 分区规则: [数据管理] 元数据管理: 技术元数据: - 表结构: [字段信息] - 数据类型: [类型定义] - 关系定义: [表间关系] - 存储位置: [物理路径] 业务元数据: - 业务定义: [字段含义] - 业务规则: [计算逻辑] - 数据来源: [源系统] - 更新频率: [更新策略] 管理元数据: - 责任人: [数据Owner] - 创建时间: [创建日期] - 修改记录: [变更历史] - 访问权限: [权限设置] 数据质量管理: 质量维度: - 完整性: [数据完整性] - 准确性: [数据准确性] - 一致性: [数据一致性] - 时效性: [数据时效性] - 唯一性: [数据唯一性] 质量监控: - 监控指标: [质量KPI] - 监控频率: [实时/定时] - 告警规则: [异常告警] - 质量报告: [定期报告] 数据清洗: - 自动清洗: [规则引擎] - 人工审核: [异常处理] - 数据修复: [问题修正] - 流程优化: [源头改进] ``` ### 6. 数据安全 ```yaml 安全体系: 访问控制: 身份认证: - 用户认证: [账号密码] - 多因素认证: [MFA] - 单点登录: [SSO] - 第三方集成: [LDAP/OAuth] 权限管理: - 基于角色: [RBAC] - 基于数据: [行级权限] - 基于字段: [列级权限] - 最小权限: [权限最小化] 审计日志: - 访问日志: [查询记录] - 操作日志: [变更记录] - 登录日志: [认证记录] - 审计报告: [定期审计] 数据保护: 数据加密: - 传输加密: [SSL/TLS] - 存储加密: [透明加密] - 字段加密: [敏感字段] - 密钥管理: [密钥轮换] 数据脱敏: - 静态脱敏: [存储脱敏] - 动态脱敏: [查询脱敏] - 脱敏规则: [手机/身份证] - 脱敏算法: [掩码/哈希] 数据备份: - 备份策略: [全量/增量] - 备份频率: [每日/每周] - 备份保留: [保留期限] - 恢复演练: [定期测试] 合规要求: 数据隐私: - 个人信息: [PII保护] - 敏感数据: [特殊保护] - 数据分类: [公开/内部/机密] - 隐私政策: [合规声明] 法规遵循: - GDPR: [欧盟数据保护] - CCPA: [加州隐私法] - 数据安全法: [中国法律] - 行业规范: [行业要求] ``` --- ## 🏗️ 实施路线 ### 阶段1: 规划设计 (2-4周) ``` 需求分析: ├─ 业务需求调研 ├─ 数据源盘点 ├─ 分析场景定义 └─ 技术选型 架构设计: ├─ 数据架构设计 ├─ 技术架构设计 ├─ 数据模型设计 └─ 接口设计 方案制定: ├─ 实施方案 ├─ 进度计划 ├─ 资源评估 └─ 风险评估 ``` ### 阶段2: 环境搭建 (2-3周) ``` 基础设施: ├─ 服务器部署 ├─ 数据库安装 ├─ ETL工具部署 └─ BI工具配置 网络配置: ├─ 网络规划 ├─ 防火墙配置 ├─ VPN配置 └─ 域名配置 安全配置: ├─ 访问控制配置 ├─ 数据加密配置 ├─ 审计日志配置 └─ 备份策略配置 ``` ### 阶段3: 数据集成 (4-6周) ``` 数据接入: ├─ 数据源连接 ├─ 数据采集开发 ├─ ETL流程开发 └─ 数据质量校验 数据建模: ├─ ODS层开发 ├─ DWD层开发 ├─ DWS层开发 └─ ADS层开发 测试验证: ├─ 单元测试 ├─ 集成测试 ├─ 性能测试 └─ 数据验证 ``` ### 阶段4: 应用开发 (3-4周) ``` 报表开发: ├─ 基础报表 ├─ 分析报表 ├─ 管理驾驶舱 └─ 移动端报表 仪表板开发: ├─ 业务仪表板 ├─ 运营仪表板 ├─ 财务仪表板 └─ 自助分析 用户培训: ├─ 系统培训 ├─ 使用培训 ├─ 维护培训 └─ 文档编写 ``` ### 阶段5: 上线运维 (持续) ``` 上线准备: ├─ 数据迁移 ├─ 系统联调 ├─ 用户验收 └─ 上线切换 运维监控: ├─ 系统监控 ├─ 数据监控 ├─ 性能监控 └─ 告警处理 持续优化: ├─ 性能优化 ├─ 功能增强 ├─ 数据扩展 └─ 用户体验优化 ``` --- ## 📊 技术选型 ### 数据库选型 ```yaml 关系型数据库: MySQL: 用途: [OLTP/小型OLAP] 优势: [成熟稳定/社区活跃] 场景: [中小型数据仓库] PostgreSQL: 用途: [OLTP/中型OLAP] 优势: [功能丰富/扩展性强] 场景: [复杂数据处理] 分析型数据库: ClickHouse: 用途: [OLAP/实时分析] 优势: [查询极快/列式存储] 场景: [大数据实时分析] Apache Doris: 用途: [OLAP/交互分析] 优势: [易用性好/性能优秀] 场景: [企业级数据仓库] StarRocks: 用途: [OLAP/实时分析] 优势: [极速分析/兼容MySQL] 场景: [高性能数据仓库] ``` ### ETL工具选型 ```yaml 开源工具: Apache Airflow: 用途: [工作流调度] 优势: [功能强大/生态丰富] 场景: [复杂数据管道] Apache Flink: 用途: [实时数据处理] 优势: [低延迟/高吞吐] 场景: [实时数据仓库] DataX: 用途: [离线数据同步] 优势: [稳定可靠/易用] 场景: [批量数据同步] 商业工具: Informatica: 用途: [企业ETL] 优势: [功能完整/稳定可靠] 场景: [大型企业] Talend: 用途: [数据集成] 优势: [开源友好/易用] 场景: [中小企业] ``` --- ## 🎨 使用场景 ### 场景1: 从零搭建数据仓库 ``` 需求: 建立企业级数据仓库 步骤: 1. 需求分析和规划 2. 技术选型和架构设计 3. 数据建模和ETL设计 4. 环境搭建和开发 5. BI应用和上线 6. 运维优化和迭代 ``` ### 场景2: 数据平台迁移 ``` 需求: 迁移到新的数据平台 步骤: 1. 现状评估和方案设计 2. 新平台搭建和测试 3. 数据迁移和验证 4. 应用迁移和调试 5. 切换上线和监控 6. 旧平台下线和清理 ``` ### 场景3: 数据质量提升 ``` 需求: 提升数据质量和可信度 步骤: 1. 数据质量评估 2. 质量问题识别 3. 清洗规则制定 4. ETL流程优化 5. 质量监控建立 6. 持续改进机制 ``` ### 场景4: 实时数据能力建设 ``` 需求: 构建实时数据分析能力 步骤: 1. 实时需求分析 2. 实时架构设计 3. CDC方案实施 4. 实时计算开发 5. 实时仪表板构建 6. 性能优化和监控 ``` --- ## 🔗 相关 Skills - `/basic-analytics` - 基础数据分析 - `/predictive-analytics` - 预测分析 - `/attribution-analyzer` - 归因分析 - `/performance-benchmark` - 性能基准 - `/anomaly-detector` - 异常检测 --- ## 📊 成功指标 ### 数据质量 - 数据准确率 > 99% - 数据完整性 > 98% - 数据时效性: T+1 ### 系统性能 - 查询响应时间 < 5秒 - ETL作业成功率 > 99% - 系统可用性 > 99.9% ### 业务价值 - 报表生成效率提升 > 90% - 数据分析效率提升 > 80% - 决策响应速度提升 > 70% --- **Build the foundation for data-driven decisions! 🏗️** **版本**: 1.0.0 **更新**: 2026-04-12 **作者**: Shopilot Team