数据仓库是大数据技术应用的重要体现方式之一，而今天我们就通过案例分析来了解一下，数据仓库开发架构包含哪些层次。
数据仓库主要分为STG、ODS、DWD、DWS、ADS和DIM共6个层次，数据从底层开始，向上层进行传递、转换、重组等操作，可以理解为，根据数据分析业务的需要，对原有的OLAP多维数据，进行维度和指标的重新组合。层次的具体描述如下：
STG原始数据层：用来表示原始数据在数据仓库的落地，数据结构和原始系统发送上来的保持一致。
ODS数据操作层：用于原始数据在数据平台的落地。数据从数据结构、数据之间的逻辑关系上都与原始数据层基本保持一致。在源数据装入这一层时，要进行诸如业务字段提取或去掉不用字段、脏数据处理等等。
DWD数据明细层：用于源系统数据在数据平台中的永久存储。它用以支撑DWS层和ADS层无法覆盖的需求，比如像用户购买详单类业务需求。这一层主要解决一些数据质量问题和数据的完整度问题。
DWS数据服务层：数据汇总层，该层会在DWD层的数据基础上。对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。按照业务划分，如流量、产品、用户等，生成字段比较多的宽表，用于提供后续的业务查询，OLAP分析，数据分发等。
ADS应用数据层：该层存放数据产品个性化的统计指标数据，一般以某个业务应用为出发点进行建设，ADS层只关心自己需要的数据，不会全盘考虑企业整体的数据架构和应用。面向实际的业务数据需求，以DWD或者DWS层的数据为基础，组成各种统计报表。
DIM维度层：主要存储公共的属性数据，比如产品类别、地理位置、时间详情等信息。综上所述，数据仓库建设的主要工作，就是对原始业务数据进行汇聚，进行分层次的数据处理，生成业务需要的数据，提供给前端业务使用。