数据模型建设中两个流派与三种路径：数据仓库的建模方法有很多种，在当今的这些建模方法论中最基本的还是脱胎于Bill Inmon 、Ralph Kilmball 的建模方法理论，比如说传统的电力、保险、制造业、银行等大部分在中心数仓Bill Inmon的建模方法论，在数据集市（多维数据模型）采用Ralph kilmball的维度模型。
也有的企业一开始就直接采用维度模型（ Ralph kilmball) 的建模方式来构建，这种方式与互联网、移动移动互联网有直接关系的大数据领域非常盛行。也有一些中大型企业由于自己的业务非常复杂， 需要有一些行业的标准模型作为参考， 在模型设计步骤中就会增加一些映射、对比，从标准的数据模型结合自身业务、数据源情况来做映射。数据建模在数据中台的建立中目前有三种路径：
- 传统行业的从0到 1 建设路径
- 传统行业行业模型裁剪建设路径
- 互联网/移动互联网企业的数据建模路径
还有几个Topic已经细化完毕
1. 数据模型在传统行业、互联网行业对比实施总结
2. 数据模型优化与支撑业务紧迫度的权衡与实施技巧
3. 来自实战的数据化运营五个步骤的内部案例分析
4. 十三年前我第一次做数据产品经理的年度总结
