隨著數(shù)據(jù)庫應用領域的進一步拓展與深入，傳統(tǒng)的數(shù)據(jù)模型已逐漸不能滿足實際工作對數(shù)據(jù)處理的需要。而對象數(shù)據(jù)、空間數(shù)據(jù)、圖像與圖形數(shù)據(jù)、聲音數(shù)據(jù)、關聯(lián)文本數(shù)據(jù)及海量倉庫數(shù)據(jù)等出現(xiàn)，傳統(tǒng)數(shù)據(jù)庫在建模、語義處理、靈活度等方面都無法適應。為滿足發(fā)展需要，數(shù)據(jù)模型向多樣化發(fā)展，主要表現(xiàn)在以下幾方面  。

1、傳統(tǒng)關系模型的擴充關系模型實際上還是管理信息系統(tǒng)重要的支撐模型，在此基礎之上，引入新的手段，使之能表達更加復雜的數(shù)據(jù)關系，擴大其實用性，提高建模能力。從總體上看，擴充一般在兩個方面進行。一是實現(xiàn)關系模型嵌套，這種方式可以實現(xiàn)“表中表”這類較為復雜的數(shù)據(jù)模型；二是語義擴充，如支持關系繼承及關系函數(shù)等。

我們通過“體系感”來把控自己，通過圖紙來建立高樓大廈。同樣，我們可以通過“數(shù)據(jù)模型”來管理我們的數(shù)據(jù)。

數(shù)據(jù)模型就是數(shù)據(jù)的組織和存儲方法，它強調(diào)了從業(yè)務、數(shù)據(jù)存取和使用角度合理存儲數(shù)據(jù)、有了適合業(yè)務和基礎數(shù)據(jù)存儲環(huán)境的模型，那么大數(shù)據(jù)就會獲得以下好處：

性能

良好的數(shù)據(jù)模型你幫助我們快速查詢所需要的數(shù)據(jù)，減少數(shù)據(jù)的IO吞吐。

成本

良好的數(shù)據(jù)模型能極大地減少不必要的數(shù)據(jù)冗余，也能實現(xiàn)計算結(jié)果復用，極大地降低大數(shù)據(jù)系統(tǒng)中的存儲和計算成本。

效率

良好的數(shù)據(jù)模型能極大地改善用戶使用數(shù)據(jù)的體驗，提高使用數(shù)據(jù)的效率。

質(zhì)量

良好的數(shù)據(jù)模型能改善數(shù)據(jù)統(tǒng)計口徑的不一致性，減少計算錯誤的可能下。

維度建模

1、維度和指標的概念

按照維度表、事實表構(gòu)建數(shù)據(jù)模型，通過指標評價企業(yè)經(jīng)營活動。

維度一般包括：地區(qū)、時間、部門、產(chǎn)品等等。

指標一般包括：銷售數(shù)量、銷售金額、平均銷售金額等等。

2、星型模型

星型模是一種多維的數(shù)據(jù)關系，它由一個事實表和一組維表組成。每個維表都有一個維作為主鍵，所有這些維的主鍵組合成事實表的主鍵。強調(diào)的是對維度進行預處理，將多個維度集合到一個事實表，形成一個寬表。這也是我們在使用 hive 時，經(jīng)常會看到一些大寬表的原因，大寬表一般都是事實表，包含了維度關聯(lián)的主鍵和一些度量信息，而維度表則是事實表里面維度的具體信息，使用時候一般通過 join 來組合數(shù)據(jù)，相對來說對OLAP 的分析比較方便。

數(shù)據(jù)建模，通俗地說，就是通過建立數(shù)據(jù)科學模型的手段解決現(xiàn)實問題的過程。數(shù)據(jù)建模也可以稱為數(shù)據(jù)科學項目的過程，并且這個過程是周期性循環(huán)的。

數(shù)據(jù)建模的具體過程可分為六大步驟：

一、制訂目標

制訂目標的前提是理解業(yè)務，明確要解決的商業(yè)現(xiàn)實問題是什么？

如：在社交平臺KOL中，存在假粉絲的情況，如何識別假粉就是一個要解決的現(xiàn)實問題。

二、數(shù)據(jù)理解與準備

基于要解決的現(xiàn)實問題，理解和準備數(shù)據(jù)，一般需要解決以下問題：
1.需要哪些數(shù)據(jù)指標（即特征提?。?？（如：哪些指標能區(qū)別真粉和假粉？）
2.數(shù)據(jù)指標的含義是什么？
3.數(shù)據(jù)的質(zhì)量如何？（如：是否存在缺失值？）
4.數(shù)據(jù)能否滿足需求？
5.數(shù)據(jù)還需要如何加工？（如：轉(zhuǎn)換數(shù)據(jù)指標，將類別型變量轉(zhuǎn)化為0-1啞變量，或?qū)⑦B續(xù)型數(shù)據(jù)轉(zhuǎn)化為有序變量）
6.探索數(shù)據(jù)中的規(guī)律和模式，進而形成假設。

需要注意的是，數(shù)據(jù)準備工作可能需要嘗試多次。因為在復雜的大型數(shù)據(jù)中，較難發(fā)現(xiàn)數(shù)據(jù)中存在的模式，初步形成的假設可能會被很快推到，這時一定要靜心鉆研，不斷試錯。

數(shù)據(jù)建模后需要評估模型的效果，因此一般需要將數(shù)據(jù)分為訓練集和測試集。