做一个数仓项目的前提是需要分析指标体系，对指标体系进行一个拆分，知道一个需求指标依赖于什么指标。
1，指标体系中指标的类型
指标类型一共有三大类
原子指标：基于某一业务事件行为下的度量，是业务定义中不可再拆分的最小计算单元。
-- 业务过程（从哪张表查询）-- 度量（对哪一列进行分析） -- 聚合逻辑（count,sum等聚合方式）
“原子指标是与具体统计维度无关的”。例如，“支付金额”是原子指标，但“最近7天各渠道支付金额”是派生指标。原子指标只定义“算什么”和“怎么算（聚合方式）”，不包含“在哪算（粒度/限定）”。
派生指标：依赖于原子指标在进行进一步的聚合统计
-- 原子指标 -- 统计周期（间隔多久统计一次）-- 统计粒度（group by） -- 业务限定（where）
衍生指标：依赖于派生指标，通常需要两个派生指标进行计算，一般是占比，比率等指标的统计
-- 派生指标 -- 计算逻辑（可能是派生指标 / 派生指标，或者是基于派生指标进一步的统计）
2，具体指标的拆分，电商数仓中流量域指标体系的拆分
指标一：最近1、7、30日各渠道访客数
指标二：最近1、7、30日各渠道会话平均浏览页面数
指标三：最近1、7、30日各渠道跳出率
指标四：最近1、7、30日页面浏览路径分析
3.拆分指标的方法论
第一步：先判断这个指标是否可以再拆分。
例如上面的最近1、7、30日各渠道会话平均浏览页面数，除了我上面拆分成会话页面浏览数，拆分成这个的原因是因为有avg（）聚合函数，可以直接统计。除此之外，可以拆分成页面浏览的总数以及会话的总数这两个派生指标，两者相除也可以得到这个衍生指标。
| 层级 | 指标名称 | 构成/计算逻辑 | 备注 |
|---|---|---|---|
| 衍生指标 | 各渠道会话平均浏览页面数 | 会话页面浏览总数 / 会话总数 | 最终需求指标 |
| 派生指标A | 最近N天各渠道会话页面浏览总数 | 原子指标(页面浏览数) + 周期(N天) + 粒度(渠道) | 分子 |
| 派生指标B | 最近N天各渠道会话总数 | 原子指标(会话数) + 周期(N天) + 粒度(渠道) | 分母 |
| 原子指标 | 页面浏览数 | 业务过程(页面浏览) + 度量(page_id) + 聚合(count) | 不可再分 |
| 原子指标 | 会话数 | 业务过程(会话) + 度量(session_id) + 聚合(count_distinct) | 不可再分 |
第二步：判断指标是否依赖于其他的指标。
例如，上面的最近1、7、30日各渠道跳出数量。通过分析我们可以知道，这个指标依赖于另一个指标，各会话的页面浏览次数，所以我们需要先求出页面浏览次数。
第三步：拆分出原子指标
原子指标不可再拆分，只要确定了这个指标直接就可以通过现有的表，可以直接求出来，这个指标就是原子指标。
4.抽取相同统计周期，统计粒度，业务限定的逻辑为DWS层的中间表
在指标拆分中，我们发现很多的派生指标的统计周期，统计粒度，业务限定都相同。这会造成数据的重复读取和数据的重复计算，非常影响统计分析的效率，我们就可以将这些相同的逻辑抽取出来，作为一张中间表来进行存储，后续指标计算需要用到的时候，就不需要再从头计算，而是直接就可以复用这个中间表。
DWS层就是专门用来存储这样的中间表，所以可以将这些表存储到DWS层中。后续ADS做需求分析是，优先到DWS层中找，如果有相关的表，可以直接用来计算。DWS层没有找到再去DWD + DIM层寻找。因为对于一些特定需求的指标，我们就没有必要抽取出来中间表，这样反倒会影响性能，毕竟中间表需要落盘，额外会消耗资源。
