数据仓库中做数据分层的标准怎么做？

数据仓库中分层的话，一般大致可以分成6层，分别是：
1、ODS(Operational Data Store-操作存储数据层)

是最接近数据源中数据的一层，为了考虑后续可能需要追溯数据问题，因此对于这一层就不建议做过多的数据清洗工作，原封不动地接入原始数据即可

2、DWD(Date Warehouse Detail-数据明细层)

从 ODS 层中获得的数据按照主题建立各种数据模型

3、DWM(Date Warehouse Middle-数据中间层)

该层会在 DWD 层的数据基础上，数据做轻度的聚合操作，生成一系列的中间表，提升公共指标的复用性，减少重复加工。（实际情况可能会没有这一层）

4、DWS(Date Warehouse Service-数据服务聚合层)

公共汇总层，会进行轻度汇总，粒度比明细数据稍粗，基于 DWD 层上的基础数据，整合汇总成分析某一个主题域的服务数据，一般称为宽表

5、DIM(Dimension-维表层)

一些维度属性表，从哪些角度可以分析数据

6、ADS(Application Data Service应用层)

主要是提供给数据产品和数据分析使用的数据，一般会存放在 ES、 PostgreSql、Redis 等系统中供线上系统使用，也可能会存在 Hive 或者 Druid 中供数据分析和数据挖掘使用