正月十五，夜已深，微冷，不一样的元宵节。
经常会被问起传统的数据建模和大数据建模有什么区别，于是就在这里总结一些自己的思考。
| 序号 | 区别项 | 传统数据建模 |
大数据建模 |
| 1 | 模型用途 | 业务应用的开发 |
大数据分析 |
| 2 | 前期调研内容 | 业务 |
业务、系统、数据 |
| 3 | 建模过程 | 调研业务，抽取业务活动涉及的关键的实体和关系，形成CDM 基于业务需求，根据CDM中的实体和关系，构件实体的必要属性，形成LDM，可作为需求的业务解决方案 选择合适的存储、计算等技术手段，落地LDM，形成PDM，即 完成表的设计 |
事实表 设计 维度表 设计 数据域/主题域 划分 |
| 4 | 建模方法 | CDM--->LDM--->PDM |
维度建模（流行方法） |
| 5 | 设计系统范围 | 单个应用系统 |
多个应用系统，即 使用多个应用系统的数据进行三大数据分析 |
| 6 | 思路 | “正向工程”，先建立模型，再通过模型开发应用系统 | 调研阶段为“逆向工程”，通过现成的业务系统，反推出其业务模型和物理模型 |
| 7 |
传统的数据建模流程见下图：
大数据开发过程（包括建模）如下：
一般大数据项目都拿不到业务系统的数据模型文档，至少拿不到准确的、被持续更新维护的模型文档。
其中，在通过逆向工程还原模型的时候，我们只需要针对性的还原其 概念模型和物理模型，没有必要还原其逻辑模型，
因为原始的业务系统逻辑模型是服务于业务系统的物理模型，对大数据项目而言，没有使用的价值。
