(以下文章来源于大飞谈技术 ，作者常大飞)

为了清晰数据结构，方便数据血缘跟踪，减少重复开发，简化复杂问题，屏蔽原始数据的异常与业务的影响，在设计数据仓库体系时通常需要对其逻辑分层。

1. 清晰数据结构一般我们将数据仓库分为ODS层（原始数据层）、DWD层（明细数据层）、DWS层（数据汇总层）和ADS层（数据应用层）。每一个分层都有它自己的作用域，并且我们在设计数据仓库时会为每个分层的表设置各自的命名规范，这样我们在使用表的时候能更方便的定位和理解数据。另外，数据仓库的数据是来源于不同的业务系统，比如客户信息同时存在于CRM系统、订单系统、营销系统等，取数时该如何决策呢？数据仓库会对相同主题的数据进行统一建模，把复杂的数据关系梳理成条理清晰的数据模型。

2. 数据血缘跟踪通过数据仓库中的逻辑分层，确定每一层的数据来源，如果有一张来源表出问题了，我们能够快速准确地定位问题，并清楚的知道它的影响范围。同时我们会制定每一层的调用规范：

• 禁止反向调用
• ODS层数据只能被DWD层调用
• DWD层数据可以被DWS和ADS层调用
• DWS层数据只能被ADS调用
• 数据应用可以调用DWD、DWS和ADS层，但建议优先考虑使用汇总度高的数据
• 常规数据流向：ODS-DWD-DWS-ADS

4. 复杂问题简单化将一个复杂的任务分解成多个步骤完成，每一层只处理单一的步骤，比较简单且容易理解，便于维护数据的准确性。当数据出现问题之后，可以不用修复所有的数据，只需要从有问题的步骤开始修复。

5. 屏蔽原始数据异常对业务的影响数据仓库对接的源系统众多，且每个源系统的表命名、字段命名、字段含义等各有不同，通过数据仓库的分层设计，从底层来规范和屏蔽所有这些复杂性，保证下游数据用户使用数据的便捷和规范。如果源系统发生变更，只需要再相应的数据仓库层来处理，对下游用户透明，无感。