项目背景
权益：用户可以享受的减钱，折扣，免邮，店铺单品优惠，百亿补贴；
券：一般指可以领取的优惠营销工具类型；
营销：指营销工具的底层提供方，提供创建券的能力平台；
权益投放平台：包括两部分，权益投放平台 + 权益平台； 业务背景
营销数据建设的业务场景分为四部分：
1.为管理层和产品人员提供多视角的运营数据、支持业务决策(权益离线数据看板)；
2.为业务运营人员提供多维度实时数据支撑(权益实时数据看板)，优化日常运营权益投放策略
3.为大促期间提供关键权益实时转化数据(实时大屏)，展示大促期间投放效果；
4.基于建设的营销数据资产，支撑业务进行更多的数据应用(省钱记录)； 技术方案设计
1:业务过程梳理
权益会在引流，导购，转化场景透出，业务方关心这些权益投放的成本和效率情况，因此业务过程梳理主要围绕权益的曝光，领取，核销进行数据建模。维度模型设计期间主要涉及 4 个主要的过程，总结成 5W1H 建模法: 1.选择业务过程
从实际的业务过程中提取分析维度，并且把业务过程转化为事实。业务流程的选择还取决于该流程可被应用的质量尚可的数据。
第一步一定要谨慎且细致的对业务进行描绘。
比如权益投放，整个权益投放流程分为券发放，券曝光，券点击，券领取，券核销
2.声明粒度
粒度可以用来确定事实表中每行表示什么。同一事实表中，必须有相同的粒度
原子粒度是最低级别的数据粒度，原子粒度能够承受无法预期的用户查询。
通过原子粒度进行上卷，可以满足各类需求。
例如：在设计券领取事实表，每一行表示的就是每个用户的一次领券记录，唯一主键就是领取 id，业务
开发会用领取 id+幂等 id 作为联合主键(因为领取超时会进行重试，但不能超发)；
3.确认维度
维度是事实表的基础，维度是通过不同的视角去看数据，把一堆数据进行分类，从而进行细分对比。
举个例子：产品运营希望看到每天主要场景的平台发放的各类券的领取数据，此时维度、属性、层次结构可以进行如下分解：
维度：权益类型、发放渠道、门槛、折扣；
属性：以券实体为例举例，券名称、折扣类型(满减、折扣型，固定金额)、门槛、最大折扣、活动开始时间、活动结束时间、出资类型等
层次：以权益实体为例举例，创建权益活动的时候的 purpose，一级purpose,二级 purpose，三级 purpose；权益类型有权益大类，权益子类等等；
4.确认事实
事实表示用来度量的，基本上都以数值来表示，这一步骤是用来标识事实表中的每一行。
此步骤与系统的业务用户相关联，大多数事实表行都是数值，如领取金额，核销金额等等。
举个例子：产品希望看到每天满减券类型在首页投放的领取金额。
这里的事实表示通过折扣类型、投放场景限制得到的领取金额总和。总结：数据建模过程中，需要考虑业务的需求以及建模中需要关联的数据源。从维度建模步骤来看，重点解决业务过程、数据粒度、一致性维度确认，主要是维度表和事实表设计。
声明粒度，为业务最小活动单元或不同维度组合。以共同粒度从多个组织业务过程合并度量的事实表称为合并事实表，需要注意的是，来自多个业务过程的事实合并到合并事实表时，它们必须具有同样等级的粒度。
例如：权益核销环节，每个用户下一笔订单（为方便退单，商品粒度为sku），就对应于多条权益核销记录。
【业务过程】：券的核销过程
【粒度】：子订单 + 券 id（拆分为单个物品）
【维度】：权益类型、领取场景、发放渠道等（可供分析的角度）
【事实/度量】：核销金额，引导 GMV 等（可用于分析的数据）总线架构
原子指标 + 时间周期 + 修饰词 = 派生指标
在明确每个数据域中有哪些业务过程后，就开始定义维度，并基于维度构 建总线矩阵，形成矩阵表。
数仓模型架构
项目中涉及的核心表 36 个，其中 ods 层 12 个，dwd 层 7 个，dim 层 5个，dws 层 9 个，ads 层3 个
ODS层
ODS 层主要包括营销系统的优惠工具表，优惠模板活动表(券类型，非券类型)，优惠活动预算表，优惠活动圈品表，营销领取表，营销核销快照表，营销活动规则表，券预算实例表，权益信息，权益模板，权益投放领取表；dim 层
Dim 层主要权益模板活动表为主表建模，把创建券模板的维度和属性信息落到 Dim 层；包括权益维度表、券维度表、场景坑位维度表、投放计划维度表、券池维度表等；dwd 层
DWD 层是基于 ODS 层，基于权益从发放到核销的业务过程进行建模，把Dim 表中的主要分析维度(权益分类，权益属性)下沉到 DWD 层，方便下游依赖方进行查询和分析；dws 层
DWS 层基于业务分析视角，进行各类维度的聚合汇总，形成营销数据集市，比如权益类型视角，权益投放视角，权益投放计划视角； ads 层
ADS 层就是业务应用层，引用 DWS 层的数据进行加工组装，形成不同的ADS 层表支撑上游业务；数据架构
营销权益数据架构图
数据建设
数据埋点介绍
埋点流程
埋点概念:
埋点是数据采集中的一个统称，通常也叫做事件追踪（Event Tracking）,它主要针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。埋点是为了满足快捷、高效、丰富的数据应用而做的用户行为过程及结果记录。数据埋点是一种常用的数据采集的方法。埋点是端上数据的来源。埋点方式:
Web 埋点：记录用户在 PC 端的行为，一般就是把一段 JS 代码嵌入到Html中，采集用户在网站内的行为流，比如注册，登陆，浏览PDP, 加购等核心行为；
客户端/H5 埋点：需要接入客户端的埋点 SDK， 将实际的埋点代码嵌入到用户实际访问的页面中，一般用于采集用户的行为流等等，比如曝光，点击按钮，访问页面等等。
服务端埋点：将埋点的主体放到了服务端，通过接入服务端的 SDK 后，在服务端代码中调用埋点 API 通过打日志的方式进行相关的埋点。埋点作用:
采集的数据可以分析网站/APP 的使用情况，用户行为习惯等，是建立用户画像、用户行为路径等数据产品的基础。埋点字段
数据采集 SDK 的固有字段 + 扩展字段；
基础字段一般包含：utdid , 设备信息(设备类型,分辨率,运营商,网络接入类型，app 的版本号)，ip 地址，本地客户端时间
埋点主要是把自定义信息上报到扩展字段中；权益埋点设计
核心业务流程： 曝光，点击领取/关闭权益数据建模
营销 CDM 层数据建模主要围绕营销工具创建，权益领取，权益核销业务过程进行维度建模数据 ETL 流程
营销 CDM 层 ETL 流程图
权益投放 ETL 流程图
ODS 层数据
ods层数据要做数据探查
这里对数据表的字段进行探查，一般都要进行数据量与业务库数据量差异评估，主键唯一性评估，字段空值情况评估，枚举型字段验证取值分布情况是否合理等校验。 DIM&DWD 层
DWS 层数据
ADS 层数据
交易域指标
权益指标
