DataWorks的資料建模產品遵循Kimball維度建模理論，使用DataWorks的維度建模功能進行資料倉儲模型設計時，您可根據業務情況設計並建立維度資料表、明細表、匯總表、應用表，並可將模型快速發布到相應的研發引擎。同時，還可以使用逆向建模，將已有物理表逆向產生模型。
建模視角說明
維度建模支援從公用層、應用程式層對建立的模型表進行歸類，您可以根據實際需求，選擇合適的層級進行建模，不同層級支援的管理視角不同。
公用層：用於加工、整合貼源層輸入的公用資料，建立統一的指標維度，構建可複用面向分析和統計的明細事實資料和摘要資料。該層級支援使用資料域或業務分類視角管理模型表。
應用程式層：基於實際應用需求，擷取公用層加工整合後的資料，面向具體應用情境或指定產品進行的個人化資料統計。該層級僅支援使用業務分類視角管理模型表。
未分層：如果已建立的模型表未劃分層級歸屬（即公用層或應用程式層），則該表會被放置於未分層中。
選擇對應層級後，您只能在相應層級下建立目標表。同時，可以在分類樹切換該層級支援的管理視角，查看並管理層級下的模型表。
維度資料表
結合業務的資料域的規劃，提取出各業務資料域中進行資料分析時可能存在的維度，並將維度及其屬性通過維度資料表的方式儲存下來。例如，在進行電商業務資料分析時，可用的維度及其屬性有：訂單維度（屬性包括訂單ID、訂單建立時間、買家ID、賣家ID等）、使用者維度（性別、出生日期等）、商品維度（包括商品ID、商品名稱、商品上架時間）等，此時您就可以將這些維度和屬性建立為訂單維度資料表、使用者維度資料表、商品維度資料表等，將維度屬性記錄作為維度資料表的欄位。後續您可將這些維度資料表部署到數倉中，通過ETL將實際維度資料按照維度資料表定義的方式進行儲存，方便業務人員在後續的資料分析時進行取用。
更多維度資料表的設計建立詳情可參見建立邏輯模型：維度資料表。
明細表
結合業務過程的規劃，梳理分析各業務過程中可能產生的實際資料，將這些實際資料欄位通過明細表的方式儲存下來。例如下訂單這一業務過程中，您可以建立下訂單這一明細表，用於記錄下單過程可能產生實際資料欄位，例如訂單ID、訂單建立時間、商品ID、數量、金額等。後續您可將這些明細表部署到數倉中，通過ETL將真實的資料按照明細表的定義方式進行匯總儲存，便於業務分析時取用。
更多事實表的設計建立詳情可參見建立邏輯模型：明細表。
匯總表
匯總表用於組織一個資料域下相同時間周期、相同維度多個派生指標的統計資料，是對業務高度抽象後的梳理結果，為後續的業務查詢，OLAP分析，資料分發等提供基礎。更多匯總表的設計建立詳情可參見建立邏輯模型：匯總表。
應用表
應用表是面向具體業務情境，用於組織相同時間周期、相同維度多個原子指標、派生指標或統計粒度的統計資料，為後續的業務查詢，OLAP分析，資料分發等提供基礎。您可根據業務需求，基於應用情境的需要來設計應用表。更多應用表的設計建立詳情可參見建立邏輯模型：應用表。
逆向建模
逆向建模是將物理表逆向產生邏輯模型，該功能協助您無需再次執行建模操作即可快速建立模型，節省了大量的時間成本。更多逆向建模的操作詳情可參見逆向建模：物理表反向建模。