​粒度

粒度

我相信大多数人都知道这个术语，但不确定你在其重要性方面有多准确。

数据的粒度意味着数据的层次分解。

一般来说，人们认为了解实体的所有相关细节就是粒度，但问题是细节的级别是多少？

例如，详细信息可以是姓名，电子邮件和联系电话，出生日期，颜色，血型，家庭住址，公司，角色，薪水，父亲姓名，母亲姓名等。这是较低的粒度级别吗？不，当我们说最低级别的粒度时，我们可以分解。

Ø将名字分成名、中间名和姓

Ø将地址分为公寓号码、建筑名称、街道、区域、城市、区、地区、国家、邮政编码等。

在 OLTP 系统中，粒度必须尽可能低，在 OLAP 系统中，粒度可能取决于业务用例。

现在，当我们已经确定了粒度是什么，让我们讨论何时需要它。数据整理、数据挖掘、数据科学等都使用原始数据进行分析和分析（Analysis and Analytics）。而且当我们说原始数据时，粒度越低，DSS的模型结果就越好。

主数据管理、元数据管理、数据血统、数据质量、数据完整性、数据清洗/清理/洗涤、商业智能仪表盘、数据建模、数据分类和数据聚类等，都是基于数据模型的粒度级别产生结果的。

创建数据模型的第一步应该是了解系统或业务用例期望的粒度级别，例如日期与日期时间数据类型可以改变粒度级别。粒度级别越低，行数就越多，可以规划更多的钻取和切片/切块。

不要错过浏览主题，即基数。