一句话回答
数据模型描述一份数据里有什么、怎么连接:你要为之保存记录的实体、每个实体的属性,以及它们之间的关系。在分析里,模型的核心是事件、用户及其属性如何连在一起。
什么是数据模型?
数据模型是对数据集“里面有什么、各部分怎么连接”的书面描述:有哪些实体(你要为之保存记录的对象)、每个实体有哪些属性、哪些关系把它们连起来。它是表、仪表盘和查询之前的蓝图。
一家商店的数据模型,用一句话说:“一个顾客下多个订单;一个订单包含多个商品;每个商品有价格和类别。”三个实体、三种关系、几个属性。任何人读完就知道这份数据能回答什么问题、不能回答什么问题。
对分析来说,模型里最重要的是三样东西怎么连:事件(发生了什么)、用户(谁做的)和属性(各自的细节)。这一点对了,漏斗、留存和分群自然就顺;错了,不同报表的数字就对不上。
数据模型分哪三层?
模型按三种详细程度来画,每一层写给不同的读者。
| 层次 | 描述什么 | 写给谁 | 例子(商店) |
|---|---|---|---|
| 概念层 | 用业务语言写主要实体和它们的关系 | 业务负责人、产品经理 | 顾客 — 下 — 订单 |
| 逻辑层 | 每个实体的属性、主键和关系规则,不依赖具体数据库 | 分析师、数据设计人员 | 订单有 order_id(主键)、customer_id、placed_at、total |
| 物理层 | 具体系统里实际的表、列、数据类型和索引 | 工程师 | orders(order_id BIGINT PRIMARY KEY, customer_id BIGINT, placed_at TIMESTAMP, total DECIMAL(10,2)) |
自上而下做:先对齐概念层的图,因为在还没说清什么是“订单”时就争论列的类型,是浪费时间。Codd 的关系模型(1970)和 Chen 的实体—关系图(1976)是这套词汇的源头。
常见的数据模型有哪几种?
| 类型 | 形态 | 适合 | 注意 |
|---|---|---|---|
| 关系型 | 表之间用键连接 | 交易、需要一致的业务记录 | 事件量特别大时连接会变慢 |
| 维度型(星型) | 中间一张事件或销售的事实表,周围是描述性的维度表 | 报表和商业智能 | 需要提前规划按哪些维度查询 |
| 文档型 | 嵌套记录(JSON) | 属性灵活多变 | 很难保证各处字段一致 |
| 图 | 节点和边 | 关系网络 | 做普通汇总不自然 |
| 事件型 | 只追加的“谁、何时、做了什么、细节是什么”的流 | 行为分析 | 命名必须严格,否则同一个动作会被记成很多个名字 |
多数产品分析工具在维度布局之上采用事件型模型:一张很大的事件事实表,加上每个用户一份档案。
事件模型长什么样?
示例数据:一个网店事件模型的三行切片。
| 事件 | 时间 | 访客 | 用户(登录后) | 属性 |
|---|---|---|---|---|
| page_view | 10:02:11 | v_8f3 | — | page = /pricing,source = google |
| signup | 10:04:40 | v_8f3 | u_204 | plan = free |
| purchase | 10:19:05 | v_8f3 | u_204 | order_total = 49.00,currency = USD |
用户档案只存一份:
| 用户 | 邮箱域名 | 国家 | 创建时间 |
|---|---|---|---|
| u_204 | example.com | DE | 10:04:40 |
从这个例子里读出模型:
- 事件有名称、时间和一个人。同一个名称永远表示同一个动作。
- 事件属性描述这一次发生的细节(页面、订单金额),每一行都不一样。
- 用户属性描述这个人,存在档案里(国家、套餐),变化很慢。
- 身份是连接的纽带:访客 v_8f3 在注册时成为用户 u_204,所以更早的那次页面浏览可以归到同一个人。
属性该放在事件上还是用户上?
问一句:这是关于这一刻的事实,还是关于这个人的事实?
- “订单金额”“页面路径”“按钮名称” → 事件属性。
- “国家”“注册日期”“当前套餐” → 用户属性。
- “购买时的套餐” → 复制到事件上,因为用户属性之后会变,而历史不应该变。
放错的代价是实实在在的。示例数据:10,000 个用户,每人 120 个事件,一共 1,200,000 行事件。把 6 个用户属性复制到每一行,要存 1,200,000 × 6 = 7,200,000 个值;只在档案里存一次,是 10,000 × 6 = 60,000 个。重复的数据还会走样:同一个人,一行写“plan = free”,另一行写“pro”,哪个对?必须保持不变的内容存在事件上,其余放在一个地方。
分析数据模型有哪些设计原则?
- 一个动作一个名字。到处都用
signup,不要sign_up、Signup、registered混用。名称是每份报表的键。 - 事件少、属性多。二十个命名清晰的事件,好过五百个一次性事件。把“哪个按钮”放进属性,不要建 button_a_click 事件。
- 类型一致。一个属性要么处处是数字,要么处处是字符串。价格有的行存成 “49.00”、有的存成 49,求和就会出错。
- 有意识地定义键。决定哪个 id 表示访客、设备、个人和账户,以及它们怎么连接。
- 写下来。没人读得懂的模型就没有被共享。数据字典列出每个字段的含义,事件 schema确定每个事件的结构。
多个系统怎么合并成一个模型,见统一数据模型。
团队在数据模型上常犯什么错?
- 为界面建模,而不是为行为建模。以界面元素命名的事件,每次改版都会失效。命名动作(
add_to_cart),不要命名控件。 - 该用列表的地方用了自由文本。“Plan = Pro”“pro”“PRO”对计算机来说是三个值。
- 没有负责人。没人决定能不能加新属性,模型就会无限膨胀。
- 悄悄改变含义。如果
purchase以前包含试用、现在不包含,新旧数据就没法比较了。记录变更日期。 - “以防万一”什么都采。每个你不用的属性仍然要维护,有些还可能是不该保存的个人数据。
TapCub 怎么给你的数据建模?
TapCub 的模型是事件型,带用户和账户两层,并且设计成先写下来再建。沿用网店的例子:
- 先规划事件。在 全端分析 › 数据管理 › 埋点方案里,每一行记录一个你打算采集的事件:事件名、显示名、分类、平台、触发时机、属性(名称、类型、是否必填、示例)、负责人和状态。还没写代码的事件也可以先列出来。
- 检查实际到达的数据。打开实时验证(近 24 h),能看到每个事件到达了多少次、必填属性有多完整。没人规划过的新事件会进入 全端分析 › 数据管理 › 事件收件箱,等待认领。
- 管住属性。 全端分析 › 数据管理 › 属性字典分用户、事件、账户三个页签。每个键有类型(字符串、数值、布尔、日期时间或列表)、敏感度标签,以及可选的校验规则,比如允许的取值。
- 把人连起来。匿名访客有访客 id;站点调用
tapcub.login之后,这个人会出现在 全端分析 › 用户 › 用户,同一设备上更早的匿名行为会归到他名下。登录需要开启识别模式,取决于你的套餐。按访客、设备、个人还是账户计数,是每次分析时自己选的。 - 如果你卖给企业,再加账户层。调用
tapcub.group('company', 'acme', {...})之后,人会汇总到 全端分析 › 用户 › 账户里的账户下。
TapCub 不替你设计模型,也不强制某种数据仓库的表结构;埋点方案、属性字典和校验规则是帮你保持自己模型一致的工具。
资料来源
- Codd, E. F. (1970). A relational model of data for large shared data banks. Communications of the ACM, 13(6), 377–387.
- Chen, P. P.-S. (1976). The entity-relationship model: toward a unified view of data. ACM Transactions on Database Systems, 1(1), 9–36.
- Microsoft Learn,Understand star schema and the importance for Power BI。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
