目前主流的數據倉庫分層大多為四層,也有五層的架構，這里介紹基本的四層架構。 分別為數據貼源層(ods)、數據倉庫明細層(dw)、多維明細層(dws)和數據集市層(dm)。
下面是架構圖：
數據分層的目的是：減少重復計算，避免煙囪式開發，節省計算資源，靠上層次，越對應用友好，也對用戶友好，希望大部分（80%以上）的需求，都用DWS，DW的表來支持就行，所以ODS層數據不能被DM層任務引用，需要抽取數據到DW,或者DWS。
DWS匯總層應優先調用DW明細層。在調用可累加類指標計算時，DWS匯總層盡量優先調用已經產出的粗粒度匯總層，以避免大量匯總都直接從海量的明細數據層計算。
DM層優先調用DWS，視情況小部分可以調用DW，禁止直接調用ODS數據，避免出現過度的ODS層引用、不合理的數據復制以及子集合冗余
DM層任務的深度不宜過大（建議不超過10層）。
總的來說,數據分層的目的如下：
- 清晰數據結構：讓每個數據層都有自己的作用和職責，在使用和維護的時候能夠更方便和理解
- 復雜問題簡化：將一個復雜的任務拆解成多個步驟來分步驟完成，每個層只解決特定的問題
- 統一數據口徑：通過數據分層，提供統一的數據出口，統一輸出口徑
- 減少重復開發：規范數據分層，開發通用的中間層，可以極大地減少重復計算的工作
數據貼源層(ods)：用來儲存原始數據，同步的腳本和數據的表，要和原始的表有一定的聯系，用於方便數據治理，數據溯源等。一般，同步的腳本，和ods的表要體現源數據庫表的特征，一般表名和字段名，字段格式，都和原始表保持一致，同步的形式包括增量同步和全量同步。
數據倉庫明細層(dw)：這一層存放的是一致的、准確的、干凈的數據，即對源系統數據進行了清洗（去除了雜質）后的數據。一層一般來說是按照維度建模抽取的明細數據。通常是星形或雪花結構的數據。
多維明細層(dws)：這一層存放的是DW層的，一些通用的匯總數據。一般是某個主題的某個維度的匯總數據，用於提供后續的業務查詢，OLAP分析，數據分發等。一般來說，該層的數據表會相對較少，一張表會涵蓋比較多的業務內容，由於其字段較多，因此一般也會稱該層的表為寬表。
數據集市層(dm)：該層主要是提供給數據產品和數據分析使用的數據，這層就是根據需求來抽取數據了。
一般來說，數據分層之后，還需要對開發數據的任務，進行規范，比如字段格式，字段名稱拼寫，主題划分等，不然單純分層，是不足以建立好一個對開發友好，方便運維，方便取數的數倉的，這個分層就是一個貨物倉庫里面各個房間的划分，但是里面貨物需要怎么放，放在哪個房間那個位置，我想要某個數據應該怎么找，這個就需要一整套數據開發規范，以及對應的數據地圖，數據血緣關系系統的支持了。
總的來說，數據層是數倉的骨頭支架，但是肌肉，心臟等這些器官，對建立一個好的數倉，也很關鍵。
需要數據倉庫資料可以點擊這個領取數據倉庫(13)大數據數倉經典最值得閱讀書籍推薦
參考文章：數據倉庫(6)數倉分層設計