元数据建模工作流程

导入和验证元数据

收集需求并提供支持数据源后，您可以在元数据建模工具中导入所需元数据以支持用户需求。 您可能倾向于导入所有内容，然后决定要使用的内容。 从模型维护，可读性和易用性角度来看，建议不要这样做。 仅导入您需要的内容，然后随着需求的变化添加更多内容。

有关更多信息，请参阅 导入和验证元数据。

消除模糊性

模型设计中的模糊性是指 Cognos® Analytics 查询服务对关系及其基数的潜在错误解释。 通过确保在查询中使用正确的连接路径，并且始终将预期的事实表和维表视为此类，可以消除模型中的模糊性。 此设计实践生成度量的预期聚集。

有关解决模糊性的更多信息和背景信息，请参阅 消除模糊性。

考虑模型设计

在此阶段中，您需要考虑如何以清晰，逻辑和简明的方式向用户呈现对象。 您可以将多个表合并到一个视图中，将逻辑分组的表合并到模型的一个区域中，根据需要添加过滤器和计算等等。

有关更多信息，请参阅 模型设计和演示。

识别并配置多资料，多颗粒查询

可能存在将来自不同事实表的事实存储在不同粒度级别的情况，这指的是数据集中存在的规模或详细信息级别。 例如， Inventory Fact 表在月级别存储值，而 Sales Fact 表在日级别存储值。 不同级别的详细程度可能会引入一些场景，在这些场景中，一个事实会不经意地重复计数 (根据数据的性质聚集的次数超过了应该聚集的次数)。 作为元数据建模者，您应该识别这些潜在场景，并相应地配置模型以防止重复计算。

有关更多信息，请参阅 多资料，多颗粒查询。

使用其他功能增强模型

根据用户的需要和需求，元数据建模者可能会使用各种技术和功能来增强模型。 例如，某些用户可能希望对数据进行相对日期比较。 每个元数据建模工具都有一种方法来完成此类型的请求。

Framework Manager 为此使用按维度建模的关系 (DMR) 模型。 建模员创建维对象，允许用户根据定义的层次结构向上或向下钻取数据。 维函数还可用于从业务的不同时间段或分段中抽取和比较数据。 在数据模块中，建模者可以实现导航路径和相对日期日历，以实现类似的用户需求。

用于增强模型或其性能的其他功能包括但不限于确保最小化 SQL 和控制数据聚集方式。

有关更多信息，请参阅 使用其他功能增强模型。

考虑性能

在开发模型时，需要不断测试性能。 性能从您报告的数据源开始。 但是，还可以在 Cognos Analytics中完成一些关键优化，例如利用数据高速缓存，数据集以及跨异构数据源的连接优化。

有关更多信息，请参阅 优化查询性能。

迭代

同样，与任何项目一样，元数据建模者根据需求开发模型，经常进行测试，然后迭代地更改模型，直到达到期望的结果。