三層設計：（參考阿里One Data）
ODS 操作數據層
CDM：公共維度模型層 CDM劃分爲DWD 明細數據層 DWS彙總數據層
ADS 應用數據層
劃分原則：
1，高內聚和低耦合
2，核心模型與擴展模型分離 （擴展模型定製化需求）
3，公共處理邏輯下沉及單一
4，成本與性能平衡
5，數據可回滾（多次運行）
6，一致性（上下層，相同名稱含義一致）
7，命名清晰，易理解
數據倉庫架構分層設計包括STG（數據緩衝層）、ODS（數據操作層）、DWD（數據明細層）、DWS（主題彙總層）和ADM（數據應用層）。
1、STG層
主要完成業務系統結構化數據引入到數據中臺，保留業務系統原始數據，緩衝層設計主要保持和數據源的一致性，不做任何類型轉換和數據加工處理，爲ODS層提供基礎數據服務。
2、ODS層
對STG層數據進行類型轉換或增量合併處理，得到的全量明細數據，爲DWD、DWS和ADM層提供數據服務。
3、DWD層
明細寬表層，用於存放完整詳細歷史數據。面向業務過程建模，緊緊圍繞着業務過程來設計，通過獲取描述業務過程的度量來表達業務過程，包含了引用的維度和與業務過程有關的度量。其設計目標是爲後續的Data Warehouse Model提供靈活性和擴展性的基礎，同時可以在DW層無法支持需求時直接爲應用層提供數據。DWD層由於與業務系統耦合程度較高，其穩定性會受到業務系統的影響。
4、DWS層
存放詳細歷史數據的公共彙總數據層，面向分析主題建模。DWS是核心數據層，是爲應用層提供足夠的靈活性和擴展性的基礎。
5、ADM層
提供直接面向業務或應用的數據，主要對個性化指標數據進行架構處理，如無公用性或複雜性（如指數型、比值型、排名型等指標數據）的指標數據加工。同時爲方便實現數據應用、數據消費的訴求，進行面向應用邏輯的數據組裝（如打寬表集市、橫錶轉縱表、趨勢指標串等）。