在数据仓库时代，逻辑模型可以说是一个基本的概念，是指为解决业务需求而定义的数据仓库模型解决方案。逻辑模型是指导数据仓库进行数据存放、数据组织，以及如何支持应用的蓝图，定义需要追踪和管理的各种重要实体、属性、关系。
逻辑模型是构建数据仓库的第一步，是建立BI的基础框架，是提供价值数据分析的重要基础，为复杂的数据仓库系统实施提供了规范和基础结构的蓝图。同时，逻辑模型也促进了业务部门和IT分析人员之间的有效沟通，形成对重要业务定义和术语的统一认识，具备跨部门、中性的特征，能够表达所有的业务。
那么，在大数据平台的构建过程中，是否还需要逻辑模型呢？
从总结最近几年建设的经验来看，逻辑模型在大数据时代仍然至关重要。因为大数据并不是海市蜃楼，也需要从点滴做起，大数据甚至更需要用业务人员能懂的语言将数据的特征描述清楚，将数据间的关系说清，从而使大数据能够被使用者认可，而不是用昂贵的代价“养在深闺无人识”。
大数据同样需要明确数据间的逻辑结构，需要明确各自的数据定位，更需要通过合理的逻辑模型设计，减少数据的重复存储和计算。只有这样，大数据才会井井有条，而不至于大而不可用。
逻辑模型设计是否出色，往往决定着大数据平台的使用效果。
| 留言与评论（共有 0 条评论） |
