实时数据仓库与历史数据仓库应该如何应对高维数据建模和处理?
现在，无论实时数据仓库还是历史数据仓库，数据的维数越来越高，用户分析
需求也越来越复杂，我们应该如何对高维实时数据和高维历史数据进行建模、存储和分析?
查看其它 1 个回答topzgm的回答
如果维数很高，比如银行账户，维数达到100或者上千个，我们怎么灵活地建模？同时考虑分析的效率?
浏览2735
- 纬度多没关系，只要元数据一份并且已经做好，一个纬度就是写一个SQL而已。 建模不是纬度方面的事情。他更多的是对业务的理解和梳理。 分析效率更多的在于三个方面，1.底层数据的统一，不重复建设。2.清晰的业务目标，不乱提需求，控制需求的准确性。3.找个数据科学家，对业务的元数据建模，就像做好积木块。
- 从我们的实践来看，数据仓库建模，“维度很高”，是个难题，还是比较难于处理的，不知是否有比较好的实践经验或者推荐的内容材料。
- 海阳兄，说的很对，模型是业务的产物，维度是不同粒度的数据有不同的维度。相同粒度的数据不同的维度就是二个不同的SQL，不会很难。难的是对业务掌握的程度