物联-方案定制承诺守信「态物科技」

数据模型简介在神策分析中，我们使用事件模型event 模型来描述用户在产品上的各种行为，这也是神策分析所有的接口和功能设计的依据。

简单来说，事件模型包括事件event和用户user两个实体，同时配合物品item实体可以做各种维度分析，在神策分析中，分别提供了接口供使用者上传和修改这两类相应的数据，在使用产品的各个功能时，这两类数据也可以分别或者贯通起来参与具体的分析和查询。

物理数据模型物理数据模型physical data model，是一种面向计算机物理表示的模型，描述了数据在储存介质上的组织结构，它不但与具体的dbms有关，而且还与操作系统和硬件有关。每一种逻辑数据模型在实现时都有其对应的物理数据模型。dbms为了---其独立性与可移植性，大部分物理数据模型的实现工作由系统自动完成，而设计者只设计索引、---等特殊结构。

维度建模

1、维度和指标的概念

按照维度表、事实表构建数据模型，通过指标评价企业经营活动。

维度一般包括：地区、时间、部门、产品等等。

指标一般包括：销售数量、销售金额、平均销售金额等等。

2、星型模型

星型模是一种---的数据关系，它由一个事实表和一组维表组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。这也是我们在使用 hive 时，经常会看到一些大宽表的原因，大宽表一般都是事实表，包含了维度关联的主键和一些度量信息，而维度表则是事实表里面维度的具体信息，使用时候一般通过 join 来组合数据，相对来说对olap 的分析比较方便。

数据建模的具体过程可分为六大步骤：

一、制订目标

制订目标的前提是理解业务，明确要解决的商业现实问题是什么？

如：在-kol中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。

二、数据理解与准备

基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：
1.需要哪些数据指标即特征提取？如：哪些指标能区别真粉和假粉？
2.数据指标的含义是什么？
3.数据的如何？如：是否存在缺失值？
4.数据能否满足需求？
5.数据还需要如何加工？如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量
6.探索数据中的规律和模式，进而形成假设。

需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推到，这时一定要静心钻研，不断试错。

数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。