一. 背景说明
针对数据统计，分析指标的开发，划分对应所属业务板块，数据域，指标域，建立统一的，规范化的数据仓库和数据内容，从而能够提供标准化的，共享的数据服务能力，降低数据互动成本，致力于消除业务和技术之痛。
二. 数据域，指标域体系结构
数据仓库是面向主题（数据综合、归类并进行分析利用的抽象）的应用。数据仓库模型设计除横向的分层外，通常也需要根据业务情况进行纵向划分数据域（主题域）。
数据域是联系较为紧密的数据主题的集合，是业务对象高度概括的概念层次归类，目的是便于数据的管理和应用。以统计，分析指标为导向，结合业务功能和数据特点，建立对应的分析体系，体系图如下：
数据应用 | 数据域 | 简称 | 业务 | 涉及分析主题 | 命名 | 涉及指标 |
|---|---|---|---|---|---|---|
数据应用 | 数据域 | 简称 | 业务 | 涉及分析主题 | 命名 | 涉及指标 |
报表系统 | 流量 | flow | 曝光，点击, 下载, 安装等行为数据 | 渠道分析广告分析 | channel analysis)ada(advertising analysis) ad广告，a分析简写 | 曝光率，PV, 下载数 |
用户 | user | 产品C端用户，注册用户，交易用户 | 用户分析(用户留存用户流失用户生命周期用户价值) | user analysis | uv，流失率，续费用户数 | |
销售 | sale | 销售收入，销售成本，销售毛利率，目标销售收入，销售完成率 | ||||
交易 | trade | 购买，支付，支付方式 | 购买分析订单分析 | buy analysisorder analysis | 订单数，支付金额 | |
售后 | afs(after sales) | 退款，用户跟踪 | 售后分析(退货分析，产品满意度分析) | 退款订单数，退款总额，产品满意率 | ||
财务 | fin(finance) | 结算 | financial analysis | 税率，应收，应付，成本，利润，利润率 | ||
客服中心 | cc(customer service center) | 客服呼入，呼出，反馈追踪 | 服务质量分析 | cc analysis | 投诉率 | |
内容 | content | 社区, 社区产生内容 | 评论分析 | 评分，好评数，差评数，评论数，用户建议 | ||
产品 | app | 产品分析(产品功能分析产品技术故障分析产品生命周期) | app analysis | 功能热点(产品受欢迎功能)闪退数, 卡顿率 | ||
KPI | kpi | 关键业绩指标 | 运营分析管理分析 | |||
数据应用：主要是数据对应的展示，使用方式说明，比如数据门户，大屏实时展示，数据服务接口。
数据域：传统叫数据集市Data Mart, 是数据服务层的一种分类叫法。
其中分析主题的命名是数据域命名 或者数据域_主题分析命名
