共计 903 个字符，预计需要花费 3 分钟才能阅读完成。
B 客户是一家大型金融企业，数据仓库建设曾经成熟，且是通过大宽表来实现数据集市，这样进行数据分析更加的便捷高校。然而因为宽表模式的限度，很多需要只能通过技术人员来实现，且解决起来不灵便、不麻利：
1. 增删剖析字段不不便。客户的业务需要是灵便多变的，因而有增删剖析字段的需要很失常，然而因为宽表构造的限度，解决起来不不便、不灵便。
2. 数据反复收缩口径不一。面对业务人员的剖析需要，技术人员往往构建各种宽表来满足，需要与日俱增，多个宽表之间就会呈现数据反复、数据越来越多收缩变大，而且同一个字段有可能在不同宽表中存在各种口径不一的问题。
3. 关联计算时数据量大性能慢。宽表之间可能须要关联计算，数据量大会性能慢。
4. 业务手工 Excel 数据和宽表关联混合析不不便。业务用户局部手工数据存储在本地 Excel，此时就须要宽表和 Excel 数据关联混合剖析，然而在实际操作中，两者的关联混合剖析非常不不便。首先业务须要定期提供内部的 Excel 数据给技术，而后技术再导入到数据库中，最初再和宽表关联解决，效率十分低下。
因而，客户冀望能实现自助麻利建模，突破宽表模式的限度。
受限于技术，传统“数据集市”不麻利。“业务提数据分析需要，IT 来解决实现”这种传统建模的形式响应不快，解决不灵便，须要较长时间。
因而，Smarbi 带来了“麻利建模”的新思路：现代化 BI 是以自助麻利为理念，即不仅数据分析操作更加麻利，建模操作也更加简略麻利。Smartbi 数据模型有更加动静的 Cube 模式、简略疾速的建模操作，同时，让用户能更疾速地响应需要、更敏捷地进行数据建模等。
1、数据模型麻利建模，增删字段不便。通过拖拽、勾选等简略操作就能够疾速生成度量、维度档次等信息，比方能够一键生成工夫维、设置天文维间接实现地图下钻等；
2、数据模型联合指标治理能够对立治理指标和维度，同时统一口径，打造自增长指标体系，积淀数据资产。
3、数据模型反对超大表关联，通过抽取数据到应用分布式内存计算技术的高速缓存库中，晋升查问速率。
4、数据模型整合多种数据集类型，融合线上线下数据，面向不同应用的用户提供多种查问伎俩，包含：表、即席查问、SQL、内部文件、存储过程等。
