作为一个PM，通过向开发同学的咨询和自我学习，整理了一下报表平台的架构体系（偏开发方面）～如有不足，请各位大佬指正～～～

       先来讲报表平台的发展过程，报表平台的发展历经多个阶段，这些不同的阶段是用户诉求不断得到满足的一个过程。初始是以excel 表格的形式进行业务的数据分析，但存在数据量的限制，当数据量达到10万以上时，excel 会出现卡顿、等待时间较长的问题。所以出现了传统的数据报表系统，数据量的问题得到解决，但依旧存在着报表系统只是作为数据的展现无法进一步分析，报表逻辑修改无法及时响应业务诉求的问题。随着大数据的出现及技术的迭代更新，比如依赖于大数据平台的OLAP分析技术 ，促使当前的报表发展已经进入了智能阶段，报表的开发可以不强依赖开发人员，分析维度也可以根据业务的诉求自由组合，时效上可达到实时分析。

        智能报表平台智能的原因是可以根据用户诉求实现自主分析，自主分析保证了用户各个维度可进行组合分析，这些操作的过程依赖的是OLAP技术。

        OLAP快速实现多维数据的查询分析，只有这个技术不足以完成整个报表系统的运转，接下来将从数据源、数据建模、数据分析3大块来介绍报表平台的架构体系。

       1、数据源

       报表的数据是由数仓提供的，数仓的数据来源是经由上游业务系统的业务数据经过ETL（ETL包含抽取、清洗、转换，其中抽取包含3种，SQL语句抽取、数据文件同步、增量抽取，增量抽取通过记录最后抽取的时间，选择比最后一次抽取时间大的时间进行抽取；清洗完成重复数据、空数据、错误数据的清洗；转换处理的是字段格式的不统一、根据业务诉求，将原始的明细数据加工处理生成业务数据的过程）处理后同步到数仓，数仓加工生成4层模型，分别是ODS、DWD、DWS、ADS ，ODS层同步原始数据，DWD层完成初加工ODS层转换过来数据，生成明细数据，DWS层完成数据的大宽表的加工，供后续的查询，由此完成报表的数据提供。

 

     2、数据建模

         有了数据之后，通过平台要进行分析，为了便于分析，需要进行建模的过程，提高分析、查询的效率。为分析进行的建模采用维度建模，涉及建模需要先讲一下维度和度量。

维度：简单来说就是不能做加和的东西，比如：时间、地域、产品分类等。涉及维度，包含有维度层级、具体维度值，比如地域维度有省、市、区 3个层级，具体的维值为：浦东新区。度量：度量就是描述事物的具体数值指标，比如描述一个人，170cm,53kg.。

     维度建模的过程就是为了便于分析，维度建模的模型包含有：星型模型、雪花模型、星座模型，在此只介绍常用的前2种模型。

      星型模型：主要基于1张事实表和多张维表进行关联（名词解释，事实表：主要包含要分析的数值数据及实现和维表关联的ID；维度表：一般只有一个主键id和事实表关联，主要包含的是属性类的数据）。

      雪花模型：基于星型模型的拓展，比星型多了维表与维表之间的关联。

     

 

                                                   

 

        3、数据分析

          针对生成的多维数据模型（又可称作数据立方体），对数据进行分析操作实际是对数据立方体的操作。

           数据立方体的操作：包含有上卷、下钻、切片、切块、旋转。下面将以具体的例子说明：

           比如我们当前 计算1月份光大银行的放款金额，针对上卷、下钻、切片、切块、旋转怎么处理的呢？

           上卷：计算1季度（1、2、3月份）的北区银行的放款金额，其中1季度的计算，就是上卷。

           下钻：计算1月1号的的北区的放款金额，其中将1月份下钻分析到具体的1号，就是下钻。

           切片：将区域切片，计算北区的1-5月份的申请件数、审批件数、放款件数，针对的是某一维度下分析。

           切块：比切片的粒度更粗，比如计算1-2月份北区的申请、审批、放款件数，将时间维度切部分，区域切部分。     

 

 

以上，便是对报表平台偏技术方面的体系架构的梳理，烦请各位指正～～