本文僅爲個人觀點，適用於我所接觸到的大數據平臺
看完理解了就點個贊叭~
一、數據倉庫 DW
數據倉庫：data warehouse，顧名思義是存放數據的地方。是爲企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。
那麼我所接觸的產品是如何建立數據倉庫的呢？大致分爲STAGE層、ODS層、DWD、DWA、DM。
1.STAGE層
STAGE層是數據倉庫數據的登臺層，既將各種分散來源的數據加載到數據倉庫中。Stage層中裝的都是最原始的數據，是需要進行後面處理的數據。
2.ODS層
ODS是英文名 operation data store的縮寫。常被作爲數據倉庫的數據處理的過渡，以降低直接進行數據處理的複雜度。什麼意思呢？ODS就是把stage層中的數據進行初步的處理，因爲stage層中的數據量大且複雜，ODS按生產系統規範統一數據模型和數據編碼，同時對於數據源系統的數據質量進行稽覈，保證進入數據倉庫數據的完整性。
如何更通俗點理解呢，比如stage層中存放着“A、1、B、C、26、你好”這些分散沒有結構的數據。那麼到了ODS層中這些數據就變成了
“字母：A、B、C；
數字：1、26；
漢字：你好”
只是打個比方，具體內容不會是這樣簡單。
3.DWD層
DWD（data warehouse detail data）是數據倉庫的細節數據層。爲企業各種分析類應用提供細節性數據支持，是企業數據倉庫的核心，同時爲未來需求的擴展提供歷史數據支持。
通俗理解：我們之前不是在ODS層中已經規範統一了數據模型和編碼了嗎，拿我們打電話的場景來說。我們在一天內可以打很多通電話，每一通電話都是一條數據。比如：
“時間：3月1號8:00；
撥打人：豬蹄；
撥打時長：3分鐘；
花費：0.5元；”
這是一條經過stage層和ODS層處理過來存放在DWD層中的數據，記住這是一條數據，我們可以打很多電話，所以有很多條類似這種結構的數據，這是都是歷史上的細節數據，各個屬性都很詳細。
在DWD中就存放了：
一：“時間：3月1號8:00；撥打人：豬蹄；撥打時長：3分鐘；花費：0.5元；”
二：“時間：3月1號9:30；撥打人：豬蹄；撥打時長：20分鐘；花費：6元；”
三：“時間：3月2號12:30；撥打人：紅燒；撥打時長：13分鐘；花費：4元；”
四：。。。。。。。。。。。。。。。。。。。。。。。。。。
五：。。。。。。。。。。。。。。。。。。。。。。。。。。
。。。。。。。。。。。。。。。。。。。。。。。。。。
這就是DWD需要做的事情，存放每一條細節數據。
4.DWA層
DWA（data warehouse aggregate data），是數據倉庫的衍生彙總數據層，該層通過對DWD層數據進行預處理（輕度彙總、衍生），提高了後續數據處理和訪問性能，其特點是面向應用但不直接支持應用，將應用過程中的常用信息進行共同沉澱和處理，作爲DWD層和DM層之間的一個過渡層次，與DWD層共同構成企業級數據倉庫。
理解：DWA層是對DWD層的進一步彙總衍生處理，繼續拿打電話的場景來說。通過彙總DWD中的每一條數據，我們可以得到這樣一條月數據：
“姓名：豬蹄；
一個月內撥打時長：89分鐘；
花費：70元；”
這裏的數據是通過彙總統計的，那麼衍生是什麼意思呢？比如這裏可以通過一個月的話費判斷你是什麼樣的人士：一個月話費大於50元屬於高端人士，20-50屬於中端人士，低於20屬於低端人士。那麼上一條月數據就可以多了一個屬性：
“姓名：豬蹄；
一個月內撥打時長：89分鐘；
花費：70元；
屬於：高端人士；”
“姓名：紅燒；
一個月內撥打時長：15分鐘；
花費：18元；
屬於：低端人士；”
這就是衍生出來的數據。
5.DM層
DM是data market，數據集市。這裏的DM就是面向應用了。可以理解爲應用層。DM層可以從DWA層中獲取有需要的數據，是一個面向服務的階段。我們可以利用衍生出來的數據進行精準營銷等服務。比如打電話：
“姓名：豬蹄；
一個月內撥打時長：89分鐘；
花費：70元；
屬於：高端人士；”
通過前面處理的數據，我們可以爲豬蹄先生推銷高額套餐：月租100，通話免費。
爲紅燒先生推銷廉價套餐：月租20，免費通話20分鐘。爲不同人羣提供不同服務。