問題： ODS有的公司說幾乎不處理，有的說這一層要做第一次數(shù)據(jù)清洗，你怎么看？

討論一： 我感覺基本的監(jiān)控要做，然后字段類型，命名統(tǒng)一可以做，ip轉(zhuǎn)地址也可以做。復(fù)雜的 不太容易做，數(shù)據(jù)源的接入不一定都可控。

討論二： 看數(shù)據(jù)的規(guī)整性吧。有的公司業(yè)務(wù)方數(shù)據(jù)很規(guī)整。ODS層只用做簡單的砍字段即可，有的業(yè)務(wù)數(shù)據(jù)不規(guī)整比如埋點類的那么不做清洗就肯定不行了。有公司是從業(yè)務(wù)庫直接到ODS，那么需要做備份， 有的是從業(yè)務(wù)庫到匯總庫再到ODS。那么匯總庫就可以看作是備份了。

討論三： 個人覺得ODS層的數(shù)據(jù)還是需要清洗并存入到數(shù)據(jù)倉庫比較合適。如果不清洗，是ETL任務(wù)的計算資源和計算時間的浪費。

除非是有特殊需要，規(guī)定要原汁原味的“原始數(shù)據(jù)”。

補充 這個問題，從本質(zhì)上來看，其實是和分層的設(shè)計以及公司的業(yè)務(wù)場景相關(guān)的。 先拋開公司的業(yè)務(wù)場景來看ODS的設(shè)計，我們其實是希望ODS的數(shù)據(jù)盡量“原汁原味”，但又相對干凈。

那么，這個尺度或者說標準怎么來把握？簡單來看，我們會讓ODS層的數(shù)據(jù)內(nèi)容和粒度與原始數(shù)據(jù)一致，然后我們會做表命名統(tǒng)一、字段命名統(tǒng)一、數(shù)據(jù)落地監(jiān)控等內(nèi)容。

然后對于數(shù)據(jù)清洗，居士個人建議是盡量少做清洗，如果在這一層做清洗，建議只在幾種情況下做清洗： 

1. 簡單的數(shù)據(jù)標準化，比如表和字段命名

2. 默認值填充，比如性別為空的都補0

3. 清洗規(guī)則十分明確，比如說說字段拆解： 接收到的json數(shù)據(jù)拆成多個明確字段 其余情況下不是不能做清洗，而是說盡量少做清洗，因為一旦對原始數(shù)據(jù)稍作破壞，以后追查數(shù)據(jù)的成本會十分巨大。

當我們明確ODS的職責后，再來看不同公司的ODS設(shè)計。如果說數(shù)據(jù)源很干凈，那么直接拿來就可以，基本不用處理。如果說數(shù)據(jù)源很混亂，而且清洗的規(guī)則十分明確，不會出現(xiàn)返工的情況，那么就可以在入ODS之前做一部分的清洗。