一、什么是 OneData 体系?

官方：阿里云OneData数据中台解决方案基于大数据存储和计算平台为载体，以OneModel统一数据构建及管理方法论为主干，OneID核心商业要素资产化为核心，实现全域链接、标签萃取、立体画像，以数据资产管理为皮，数据应用服务为枝叶的松耦性整体解决方案。其数据服务理念根植于心，强调业务模式，在推进数字化转型中实现价值。
简言： 统一化的数据体系 = OneID、OneModel、OneService。

• 第一部分：OneModel 致力于实现数据的标准与统一；
• 第二部分：OneID 致力于实现实体的统一，让数据融通而非以孤岛存在，为精准的用户画像提供基础；
• 第三部分：OneService 致力于实现数据服务统一，让数据复用而非复制。

二、OneData 方法论切入点

• 数据架构方法（全局化规划数据体系）：
  • 数据域划分 -> 数据总线矩阵构建 -> 数据分层规划
  • 实现企业数据的全局观规划设计
• 数据模型设计方法（好用且复用）
  • 维度 -> 事实 -> 公共汇总
  • 面向数据分析场景构建数据模型，让通用计算沉淀，数据复用，提升效能。
• 数据标准化方法（计算口径&表达统一）
  • 派生指标 = 原子指标 + 业务限定 + 统计周期 + 统计粒度
  • 实现数据标准化定义，计算口径统一，保障数据质量

三、OneData 实施流程

• 充分的业务调研和需求分析。这是中台建设的基石
  • 需求调研+数据调研+业务系统调研+环境调研
• 数据总体架构设计，主要是根据数据域对数据进行划分；按照维度建模理论，构建总线矩阵、抽象出业务过程和维度。
  • 明确每个数据域下有哪些业务过程；业务过程与哪些维度相关，并定义每个数据域下的业务过程和维度。
• 整理出相关指标体系，完成指标规范定义和模型设计。(即 数据标准化方法)
  • 定义指标体系，包括度量/原子指标、业务限定、统计周期、派生指标。
    • 时间周期：{1:全周期,2:今年以来,3:近一月,4:近两月,5:近三月,6:近六月,7:近一年,8:近两年,9:近三年,13:近1周}  {周度，月度，季度}
    • 业务限定：基金分类(公私募)，净值质量，所属投顾 ，数据来源
    • 度量/原子指标:金额，份额，单位净值，基金编码
    • 维度：是度量的环境，也可以称为实体对象。地理维度（包括国家、地区、省以及城市等级的内容）、时间维度（其中包括年、季、月、周、日等级别的内容）
    • 派生指标 ： 一个原子指标+多个业务限定（可选）+时间周期。近一周收益率，近一周年化收益率，近一年 收益率，年华收益率，最大回撤，Sharpe比率，Var，Sortino比率，Calmar比率，月胜率，标准差(波动率)，下行标准差，年化标准差(波动率)
    • 派生指标的种类：事务型指标、存量型指标和复合型指标
  • 模型设计(维度设计主要还是以维度建模理论为基础，构建一致性的维度和事实)：
    • 操作数据层（ODS）
      • 数据同步
    • 明细数据层（DWD）
      • 采用维度模型方法作为理论基础，更多地采用一些维度退化手法，将维度退化至事实表中，减少事实表和维表的关联，提高明细数据表的易用性。
    • 汇总数据层(DWS)
      • 加强指标的维度退化，采取更多的宽表化手段构建公共指标数据层，提升公共指标的复用性，减少重复加工。
      • 组合相关和相似数据：采用明细宽表，复用关联计算，减少数据扫描。(台账，业绩报酬，分红记录) 
      • 公共指标统一加工：基于OneData体系构建命名规范、口径一致和算法统一的统计指标，为上层数据产品、应用和服务提供给公共指标；建立逻辑汇总宽表。（绩效总表）（滚动绩效总表）(基金净值质量总表) （分策略净值市值及相关信息）（分年绩效总表）
      • 建立一致性维度：建立一致的数据分析维表，降低数据计算口径、算法不统一的风险。
    • 应用数据层（ADS）
      • 数据产品个性化的统计指标数据
        • 指数型、比值型、排名型指标  ： 资金流动性管理(历史现金占比，历史资产配置，子基金收益贡献分解)
        • 基于应用的数据组装：大宽表集市、横表转纵表、趋势指标串
  • OneData的实施过程是一个高度迭代和动态的过程，评审机制 必要
• 代码研发和运维。

四、附

"数据中台" 承担着“解耦”的使命。需要从小的业务场景开始不断累积，需要长时间的业务经验的沉淀，不断的进行优化创新，最终才能构建出具有自己企业业务特色的数据中台

五、参考文章

什么是OneData？阿里数据中台实施方法论解读_云 祁的博客-CSDN博客