1、从数据源中导入源数据，到ODS表，作为事实表的数据

2、可以根据自己的开发设计，是否单独分支出来一个维度表，帮助和协助处理源数据表ODS层

和需求层ADS（APP）层

3、现在我们有了一个事实ODS层，和一张维度DIM层

4、根据需求我们可以开始数仓建模，通过维度建模

      星座模型去通过多个维度表，来关联一张事实表，减少数据的冗余

5、DIM维度介绍

通过这些维度，来进行操作，维度好像大树的树枝可以帮助处理过滤数据

可以在维度表中，先筛选出一些数据，对数据进行清洗转化，例如：可以拉宽大表，替换字段等等

6、通过某些指标我们可以确定ADS层的表

例如：门店商品销售天表，城市商品销售天表，门店第一分类商品分析天表，门店第二分类商品分析天表，门店第三分类商品分析天表

7、在这些简短的需求中，我们可以确定，利用时间维度，可以拥有一天的时刻，向下划分为时刻1quarter=15分钟，可以更精准的帮助我们获取数据，这就为我们在以后数仓开发准备条件 

8、从ODS层我们可以获知有关于门店的销售明细，详情，线上支付，商城支付，商城订单，商城退款，商城退款明细，商城退换货————————这些都是有关于销售有关的数据表

再比如：关于订单的表，我们可以分为订单的进货（要货）表，调入，调出，收货，退货，退配，相关的信息

9、通过以上总结这些可以，很快的得知，我们在数仓开发中，DW层，可以分为几层

DWD  事实表和维度表关联，同时对数据进行过滤
DWM 将相关联的数据表合并 ，轻度聚合
DWS  将相同主题下的表数据统一关联在一起

可以很快的匹配需求

10、DW第一层我们就可以把，ODS层里面的销售，订单表，都汇总到第一层来，有一张所有商品订单的大表，从线上支付，商城支付就可以分成，线上和线下支付，从退款，换货，我们可以把他理解成为一个词叫核销，是否订单交易成功，支付金额，在订单表中，也可以从退换货分成库调表，退是返回库中，换是从库中拿取物品

11、每一步的细化，在第二层中，各种核销表又可以汇总到商品的损耗中来，从而多到一中去，把时间维度从天变成刻，数据精细化，却不冗余

12、最后一层数仓，把所有的订单汇总到，已经核销的商品详细信息中来，而支付层面就汇总到支付层面的已核销表中。