具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

随着移动互联网时代的发展，“互联网+”时代的来临，使得更多的垂类业务在移动互联网时代得到了新的机遇与发展，越来越多应用场景的产生，在数据积累量与日俱增的同时，数据的专业化，行业化的特点也显得尤为明显。在业务发展的过程中，越来越重视数据挖掘、数据分析带来的信息，并作为制定行业发展方向过程中的重要参考，而数据仓库作为数据分析和数据挖掘的基础，保证了信息的准确性和实时性等。

通常来说，数据仓库多采用分层构建的思想，但根据行业背景、数据格式、数据来源以及指标需求等的不同，需要合理灵活的进行数据仓库的分层设计。

相应地，本公开中提出了一种数据仓库，所述数据仓库是一个数据集成的、面向主题的、相对稳定的、且能够反映历史变化的数据集合。

1)数据集成：原始数据往往来源于多源异构的场景，需要对数据进行一定的处理，如清洗等，以使得数据保持一致性、完整性、有效性和精确性。

2)面向主题：数据仓库中的数据会按照不同的维度，根据不同的粒度进行聚合，按照一定的主题进行组织，主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。

3)相对稳定：数据仓库的数据主要供决策分析之用，一旦某个数据进入数据仓库后，通常情况下将被长期保留，修改和删除操作较少。

4)反映历史变化：数据仓库中的数据通常包含历史信息，如记录了企业从过去某一时间点(如开始应用数据仓库的时间点)到当前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

相应地，图1为本公开所述数据仓库建模方法实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，确定待建模的垂类业务。

在步骤102中，针对所述垂类业务，构建用于从各业务端获取基础数据的数据接入层、用于对基础数据进行清洗以得到清洗后数据的基础数据层、用于将清洗后数据按不同维度进行统计以得到统计结果的中间数据层、用于根据清洗后数据及统计结果中的一个或全部构建主题的数据主题层以及用于根据清洗后数据、统计结果以及主题中的一个或任意组合产出数据指标的数据应用层。

在步骤103中，利用数据接入层、基础数据层、中间数据层、数据主题层以及数据应用层组成数据仓库。

上述方法实施例所述方案中，可构建出由数据接入层、基础数据层、中间数据层、数据主题层以及数据应用层等多层组成的数据仓库，能够将数据有序的组织和存储起来，且实现简单，从而降低了开发难度和缩短了开发周期，进而降低了实现成本及提升了处理效率等。

本公开的一个实施例中，数据仓库中还可包括：数据维度层，用于为数据仓库中的其它各层提供所需的维度数据，也就是说，可利用数据维度层、数据接入层、基础数据层、中间数据层、数据主题层以及数据应用层组成数据仓库。相应地，图2为本公开所述数据仓库的分层结构示意图。

以下分别对图2所示数据仓库中的各层进行进一步说明。

1)数据维度层

可基于实体-关系(ER，Entity-Relationship)模型，存放维度数据，可分为高基数维度数据和低基数维度数据，不同的维度数据可对应不同或相同的更新维护周期，根据所述更新维护周期进行数据更新。

维度数据即指基础的资料数据，比如，以汽车垂类业务为例，维度数据可包括城市编码维度表、用户特征维度表、车型基础信息表、移动端类型配置表以及经销商信息表等，具体包括哪些内容可根据实际需要而定。

数据维度层可为数据仓库中的其它各层提供所需的维度数据，即其它各层在需要使用维度数据时，均可从数据维度层获取。

2)数据接入层

可基于ER模型，从各业务端获取基础数据(即原始数据)，针对不同的数据，可采用每天全量更新的方式，也可采用增量更新的方式。

以汽车垂类业务为例，获取的基础数据可包括：用户行为日志数据、线索数据、汽车垂类信息分布数据、打点数据、标记数据和外部数据等，具体包括哪些内容可根据实际需要而定。

3)基础数据层

基础数据层也可称为数据明细层，可基于ER模型，对数据接入层获取的基础数据进行清洗，如进行抽取转换加载(ETL，Extract-Transform-Load)处理，得到清洗后数据，不涉及复杂逻辑，也不涉及模型算法，从而可快速高效地获取到清洗出的可使用的干净数据。

以汽车垂类业务为例，清洗后数据可包括：用户登录数据、线索分发数据、线索状态更新数据、用户新增数据和经销商反馈数据等，具体包括哪些内容可根据实际需要而定。

4)中间数据层

可基于宽表化模型和雪花模型，对基础数据层得到的数据进行处理，比如，可引入风控模型和清洗规则等模型算法，提取数据特征，并按照不同维度进行数据聚合，即将清洗后数据按不同维度进行统计，得到统计结果。

以汽车垂类业务为例，统计结果可包括：用户登录统计、用户活跃度、线索分发统计、线索成交统计、地域离散度、用户粘性等级和城市等级等，具体包括哪些内容可根据实际需要而定。

5)数据主题层

可根据清洗后数据及统计结果中的一个或全部构建主题，如可基于星型模型和宽表化模型，以业务主题为基础，构建相关主题画像等，多表现为大宽表，并可每天更新。

以汽车垂类业务为例，构建的主题可包括：用户画像、车辆画像、线索主题和经销商画像等，具体包括哪些内容可根据实际需要而定。

6)数据应用层

可根据清洗后数据、统计结果以及主题中的一个或任意组合产出数据指标。如可根据星型模型和宽表化模型，根据具体的业务需求，对清洗后数据、统计结果以及主题等数据进行逻辑汇总和处理，从而生成面向业务端的数据分析报表等。

采用本公开所述数据仓库，以空间换时间，通过构建多层次的数据模型供用户使用，可提升数据处理及访问效率等，并可将复杂问题简单化，便于处理业务的变化，清晰数据结构，便于进行数据血缘追踪，屏蔽原始数据的异常及减少重复开发等。

另外，本公开所述数据仓库支持流批一体化的技术架构，分别从以下各方面进行说明。

1)数据采集

在获取基础数据时，可按照不同类型的数据分别对应的采集方式采集得到不同类型的数据。

数据仓库的核心数据主要来源于两种，一种是业务的交互数据，如订单、线索、物料等相关的数据，通常存储在关系型数据库(mysql)和/或非关系型数据库(mongo)中，这种类型的数据可采用数据传输工具(Sqoop)组件进行采集，另一种是记录用户与客户端产品交互过程中产生的数据，包含用户的行为以及时间戳等，这种类型的数据多以文件方式进行存储，可采用海量日志采集聚合和传输系统(Flume)组件进行采集。通过上述采集方式，可方便高效地获取到所需的数据。

2)数据存储

针对数据仓库，可采用以下方式之一或全部进行数据的存储：采用分布式文件系统(HDFS，Hadoop Distributed File System)进行离线数据的存储，采用消息队列系统(Kafka)进行实时数据的存储。

对于离线数据，采集后可直接存储在HDFS中，数据仓库中的各层中所涉及到的数据也可存储在HDFS中。对于实时数据，可采用Kafka进行存储，方便数据的实时获取以及即时消费，当数据完成处理后，也可存储在HDFS中。HDFS是一个具有高度容错性的系统，并能够提供高吞吐量的数据访问等，非常适合在大规模数据集上应用。

3)数据计算

针对数据仓库，可执行以下之一或任意组合：采用资源管理器(Yarn)进行资源管理调度；采用任务调度器(Azkaban)进行任务调度管理；采用映射化简(MapReduce)和计算引擎(Spark)相配合的方式进行数据的计算等。

数据仓库中，针对接入的数据，需要对其进行清洗、统计等一系列处理。根据数据处理任务的优先级、数据规模、时效性等的不同，可采用Yarn进行资源管理调度，采用Azkaban进行任务调度管理，采用MapReduce与Spark相配合的方式进行数据的计算。

Yarn是一种海杜普(Hadoop)资源管理器，是一个通用的资源管理系统，可为相关应用提供统一的资源管理和调度等。Azkaban是一个批量工作流任务调度器，用于在一个工作流内以一个特定的顺序运行一组工作和流程等。另外，MapReduce具有稳定性高、资源利用灵活及任务产出慢等特性，适合数据规模大、数据处理逻辑复杂及时效性不高的数据处理任务，Spark具有资源消耗大和运算速度快等特性，适合数据规模小、数据处理逻辑简单及时效性高的数据处理任务。

4)数据的管理和/或查询

本公开所述方案中，支持通过预定方式对数据仓库中的数据进行管理和/或查询。

比如，可基于HDFS的数据存储方式，使用数据仓库工具(Hive)或分布式数据库(Doris)建立外部表对数据进行管理。另外，由于Hive与Doris都是采用关系型数据库管理系统₍MySQL)协议进行通信的，用户可以使用结构化查询语言(SQL，Structured QueryLanguage)进行数据的查询以及统计、分析等，不同的是，Hive底层需要基于MapReduce或者Spark进行计算，可以支持的查询规模大，响应时间为分钟级，而Doris适合进行小规模数据查询，响应时间为秒级。另外，也可使用搜索引擎(ElasticSearch)进行数据的查询等。具体采用哪种方式可根据实际需要而定。

5)数据应用

基于数据仓库，可通过对外提供应用程序接口(API，Application ProgrammingInterface)、Doris客户端等工具，对外进行数据指标的产出，助力于数据分析和数据挖掘等工作。

基于上述介绍，图3为本公开所述数据仓库的技术架构示意图，具体实现请参照前述相关说明。

总之，采用本公开所述方案，能够将数据有序的组织和存储起来，并可结合大数据的技术架构，高效率、高质量的进行数据的利用，具有快速构建、快速扩展和快速应用等特点，并保障了数据的产出效率等。

需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图4为本公开所述数据仓库建模装置实施例400的组成结构示意图。如图4所示，包括：第一处理模块401以及第二处理模块402。

第一处理模块401，用于确定待建模的垂类业务。

第二处理模块402，用于针对所述垂类业务，构建包括以下各层的数据仓库：数据接入层、基础数据层、中间数据层、数据主题层以及数据应用层；其中，数据接入层用于从各业务端获取基础数据；基础数据层用于对基础数据进行清洗，得到清洗后数据；中间数据层用于将清洗后数据按不同维度进行统计，得到统计结果；数据主题层用于根据清洗后数据及统计结果中的一个或全部构建主题；数据应用层用于根据清洗后数据、统计结果以及主题中的一个或任意组合产出数据指标。

本公开的一个实施例中，数据仓库中还可包括：数据维度层，用于为数据仓库中的其它各层提供所需的维度数据。

本公开的一个实施例中，可对基础数据进行ETL处理，以得到清洗后数据。

另外，本公开所述数据仓库还可支持流批一体化的技术架构。

本公开的一个实施例中，在获取基础数据时，可按照不同类型的数据分别对应的采集方式采集得到不同类型的数据，即可按照各自对应的采集方式分别采集得到不同类型的数据。

本公开的一个实施例中，第二处理模块402还可针对数据仓库，采用以下方式之一或全部进行数据的存储：采用HDFS进行离线数据的存储，采用Kafka进行实时数据的存储。

本公开的一个实施例中，第二处理模块402还可针对数据仓库，执行以下之一或任意组合：采用Yarn进行资源管理调度；采用Azkaban进行任务调度管理；采用MapReduce和Spark相配合的方式进行数据的计算。

本公开的一个实施例中，第二处理模块402还可对数据仓库中的数据进行管理和/或查询，即可支持通过预定方式对数据仓库中的数据进行管理和/或查询。

另外，基于数据仓库，可通过对外提供各种工具等，对外进行数据指标的产出，助力于数据分析和数据挖掘等工作。

图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本公开装置实施例所述方案，能够将数据有序的组织和存储起来，并可结合大数据的技术架构，高效率、高质量的进行数据的利用，具有快速构建、快速扩展和快速应用等特点，并保障了数据的产出效率等。

本公开所述方案可应用于人工智能领域，特别涉及大数据处理和分布式存储等领域。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。云计算指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以以按需、自服务的方式对资源进行部署和管理的技术体系，通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。