數據建模是數據專業人員中的一個熱門話題，但這個術語往往被過度使用或過于含糊。數據建模不僅僅是為每個儀表盤建立一個單一的視圖，它是建立一個業務流程的模型。你可能會使用各種數據建模語言，包括SQL、dbt、LookML和ThoughtSpot建模語言(TML)。 在這篇文章中，我們對主要的建模語言進行歸納。

一、數據建模語言概述

首先，讓我們看看建模語言和與之相關的任務，從那些針對程序員的語言到那些旨在進行自我服務分析的語言。

1.SQL

顯然，了解SQL分析功能為用戶提供了詳細的數據操作能力，但它也需要最高水平的技術技能和培訓，SQL通常需要外部工具和管道來進行控制流和數據整合。

2.LookML

谷歌云的LookML建模語言是作為代碼編寫的。因此，它是為技術用戶和對SQL和數據庫設計原則有良好理解的開發人員設計的;使用LookML，開發人員創建Looker所謂的 "探索者"。一個 "探索者 "是一個來自現有視圖或連接的數據視圖，類似于一個dbt模型或ThoughtSpot電子表格。

3.dbt

dbt的數據建模側重于轉換優先的方法，提供了一種叫做Jinja的模式語言、簡單的SQL命令來創建管道和模型、數據測試和DAG。dbt還開發了一個開放的語義層，允許用戶創建自己的數據模型并建立自己的模型，積極整合到各種現代數據棧工具中，包括分析、目錄和可觀察性工具。

4.TML

ThoughtSpot建模語言是所有ThoughtSpot資產的基于YAML的表示，包括工作表、視圖、SQL視圖、表、答案和實時表 TML是一個數據可視化的角度，采用低代碼的建模方法。TML旨在使沒有技術背景的用戶能夠使用數據建模和數據可視化，它是在人工智能支持的低代碼網絡界面中創建和處理的，減少了用戶的技術負擔，實現了自助分析。

二、三個數據用例以及相應的建模語言

1.用于自助分析的數據模型

在創建用于自助分析和研究的數據模型時使用TML。為了真正發揮自助分析的優勢，必須對數據進行適當的建模，以便業務用戶可以隨時提出特別的問題并進行搜索，而不會增加認知負荷或挑戰數據的好奇心。

在數據建模中，就像大多數軟件開發一樣，會出現一些常見的問題，也有一些可重復使用的解決方案。我們已經確定了復雜分析中最常見的模式，并將其概括為易于搜索的結構。其中一些常見的模式，否則就需要實施一個數據小組，這些模式如下

a.具有FK/PK關系的星形模式

b.動態群組定義

c.多種事實的聚集(懸崖陷阱和扇形陷阱)

d.混合事實

TML通過使多種角色利用數據，包括非技術用戶，來增強自助分析的能力。這些人可以使用一個直觀的、低代碼的IDE來創建和修改分析體驗層，包括答案、Spot IQ結果和Liveboard。此外，TML的數據建模能力，當與電子表格相結合時，可以將復雜的問題抽象化，這意味著需要發送到數據工程團隊進行開發的模型更少。

2.嵌入式分析中可重復使用和可編寫腳本的模型

每個數據團隊都希望降低成本，提高運營效率。希望以事實和數據為導向的具有前瞻性的數據團隊正在接受DataOps和CI/CD。

利用TML將分析納入產品，是增加吸收、推動采用和為客戶提供更大價值的最佳方式之一。但這也意味著必須將分析作為軟件對待，并使用DataOps、CI/CD和腳本以自動化的方式部署。

3.語義層和數據轉換

語義層是一種抽象和簡化數據、層次結構、度量、公式和轉換的模型，其主要目標是將業務用戶從底層數據的技術復雜性中解放出來，同時繼續對業務流程進行建模。一個構造良好的語義層使用商業術語、層次結構和邏輯來幫助商業用戶理解并與底層數據互動。

海馬課堂專業課程輔導，2300+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。