一、为什么需要数据建模
数据建模就是数据组织和存储方法，他强调从业务、数据存储和实用角度合理存储数据。
有了适合业务和基础数据存储环境的模型，那么大数据就能获得以下好处：
-
性能：良好的数据模型能帮助我们快速查询所需要的数据，减少数据的I/O吞吐；
-
成本：良好的数据模型能极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低大数据系统中的存储和计算成本；
-
效率：良好的数据模型能极大地改善用户使用数据的体验，提高使用数据的效率；
-
质量：良好的数据模型能改善数据统计口径的不一致性，减少数据计算错误的可能性；
二、从OLTP和OLAP系统的区别看模型方法论的选择
-
OLTP系统通常面向主要的数据操作是随机读写，主要采用满足3NF的实体关系模型存储数据，从而在事务处理中解决数据的冗余和一致性问题；
-
OLAP系统面向的主要数据操作是批量读写，事务处理中的一致性不是OLAP所关注的，其主要关注数据的整合，以及在一次性的复杂大数据查询和处理中的性能；
-
因此需要采用一些不同的建模方法；
三、典型的数据仓库建模方法论
-
ER模型
-
数据仓库Bill Inmon提出的建模方法是从全企业的高度设计一个3NF模型，用实体关系（Entity Relationshop， ER）模型描述企业业务，在范式理论上符合3NF。
-
数据仓库中的3NF与OLTP系统中的3NF的区别在于，他是站在企业角度面向主题的抽象，而不是针对某个具体的业务流程实体对象关系的抽象。
-
特点：
-