DataWorks 智能数据建模-业务痛点有哪些？

从规范定义方面来讲，存在的主要问题是： Ÿ数仓规范与模型设计分离，符合规范的模型设计对建模师本身的要求 非常高，既要能把业务需求高度抽象进行模型设计，还需要牢记规范 的点点滴滴。 Ÿ 数据指标定义效率低，且指标的数据加工逻辑分离，过去传统的单个 创建指标效率相对低下，且无法保证指标的唯一性，指标的加工逻辑 和指标定义本身也存在脱节的情况，最终导致指标真实口径无法统一， 进而带来了大量的针对指标结果数据不一致的对焦工作。 Ÿ

应用层缺少规范，大多数应用层的建设都面临需求多变、需求开发时间 紧、任务重的特点，也对应用层模型规范的管理带来了非常高的挑战。既要能够满足业务需求，又要能够符合规范，其实很难再短时间内完 成这些工作。

从模型设计方面来讲，存在的主要问题是： Ÿ 纯人工的模型设计效率低下，比如要在 Excel 里做模型设计，并且需求 在 Excel 里做维护。

从数据开发方面来讲，存在的主要问题是： Ÿ 模型设计和物理表开发分离，模型设计是模型设计，物理表开发是物 理表开发，很有可能会造成物理表开发逻辑与模型设计理念存在或多 或少的差异情况。此外，本地建模，还会存在着一些隐藏问题，如文件管理混乱、硬件设备故障、工作交接难等问题。

以上内容摘自《阿里云云原生一体化数仓新能力解读》电子书，点击https://developer.aliyun.com/ebook/download/7725 可下载完整版