前言：更多關于數智化轉型、資料中台内容可掃碼加群一起探讨
作者：資料小海豚
随着大資料趨勢的迅速增長，資料的重要性與日俱增，企業内看資料、用資料的訴求越來越強烈，其中最常見的就是各種經營報表資料：
老闆早晨9點準時需要看到企業核心的經營資料，以便進行企業戰略及方向決策
業務負責人不定期進行個性化的項目籌劃，需要多元、及時效果資料以優化項目安排
營運需要和高層一緻但粒度不同的經營分析資料，并進行活動政策調整
……
舉個經營報表的例子：
這個例子并不複雜，但是對于分析師或者業務開發者，實際執行的複雜度和工作量并不小，而且類似的工作每日都在重複……業務發展越快，帶來的問題就越來越多：
加工時間長、人工成本高，招再多的分析師也難以滿足需求
代碼可讀性差，資料可維護性差，類似需求需要反複、重複開發
代碼開發不規範，加工過程中難以避免的計算存儲浪費
得到的資料名額，複用性差導緻重複建設，資料越來越不标準規範
這種情況下，對業務的直接影響就是：決策周期長（資料需求滿足慢），決策易出錯（資料名額口徑不一緻）。
既要保證資料生産時效性——及時産出資料并滿足需求，又要支援資料多樣性——企業自下而上不同業務分析場景，最後還要保證資料準确性——任何時間、不同崗位的人都能用同樣的資料解讀經營情況，怎麼才能做到呢？
企業的發展加速，離不開20世紀的文檔管理轉到21世紀的資訊管理。同樣的，如果繁複的名額代碼編寫工作，也可以如電腦一般，界面可視化點選，複雜的代碼研發過程由電腦自行處理完成就好了。
而Dataphin的自動化模組化功能，就可以很好實作這個能力。
1、選擇組合條件
如下圖，确定需要統計計算的值，Dataphin裡稱為“原子名額”——最小的資料值統計單元，比如使用者數這樣的統計值等，然後組合如下内容：
- A. 統計計算值需要應用的分析對象，Dataphin裡稱為“統計粒度”——次元或次元的組合，比如使用者星級、使用者狀态等
- B. 資料統計計算的時間周期，Dataphin裡稱為“統計周期”——統計資料需要跨越的時間長度，比如最近1天、最近30天、自然周、自然月的等
- C. 資料統計的其他個性化限定條件，Dataphin裡稱為“業務限定”——資料記錄的篩選過濾條件，比如生鮮業務類型、PC端、女性等
看我如何用Dataphin實作自動化模組化1、選擇組合條件2 預覽名額3 一鍵自動化生成4 複雜需求實作總結
2 預覽名額
選擇完畢組合條件後，可以預覽組合出來的派生名額：
1）組合的名額，預設名取“原子名額+時間周期+業務限定”組合名，保證命名标準規範。
2）曆史已生成的組合，不再生成，保證名額建設統一，無重複
3 一鍵自動化生成
确認需要送出的名額後，一鍵【送出】，分鐘級名額生成：
1）自動彙聚至以“統計粒度為主題”的彙總邏輯表表下，保證管理标準規範；
2）代碼和排程依賴關系，系統自動生成；
3）派生名額基于彙總邏輯表，可快速雪花模型查詢使用名額、分析對象的屬性資訊。
①派生名額自動彙聚至彙總邏輯表
②派生名額所在彙總表節點，代碼及排程關系自動生成
③彙總表及派生名額可查詢消費
4 複雜需求實作
上面主要是基于簡單統計名額實作，實際上，報表需求還有類似 比率型、乘積型等複合統計方式，比如“客單價=銷售額/客戶數”，這類也可以通過Dataphin的衍生原子名額實作：
1）衍生原子名額是基于原子名額的再組合；
2）基于衍生原子名額建立派生名額時，需要保證拆解到最細粒度的原子名額，有相同的分析次元、時間周期，允許次元的計算路徑不同、設定的業務限定不同。
①建立衍生原子名額
②基于衍生原子名額建立派生名額
總結
上面步驟可以看到，派生名額的計算生成，離不開原子名額、業務限定、統計粒度的協助，這其中有什麼奧秘呢？
其實很簡單，用Dataphin高效建立派生名額，掌握這1張圖就夠了：
1）原子名額為核心，原子名額的來源表為中心
2）統計粒度取自來源表的關聯次元，以及關聯次元上的關聯次元
3）業務限定基于來源表為中心的雪花模型做定義
4）統計周期可任意搭配使用
資料中台是企業數智化的新基建，阿裡巴巴認為資料中台是集方法論、工具、組織于一體的，“快”、“準”、“全”、“統”、“通”的智能大資料體系。目前正通過阿裡雲資料中台解決方案對外輸出，包括
零售、
金融 網際網路 政務等領域，其中核心産品有：
- Dataphin，一站式、智能化的資料建構及管理平台 ；
- Quick BI，随時随地 智能決策
- Quick Audience，全方位洞察、全域營銷、智能增長
- Quick A+， 跨多端全域應用體驗分析及洞察的一站式資料化營運平台
官方站點：
資料中台官網
https://dp.alibaba.com