DataWorks的数据建模产品遵循Kimball维度建模理论，使用DataWorks的维度建模功能进行数据仓库模型设计时，您可根据业务情况设计并创建维度表、明细表、汇总表、应用表，并可将模型快速发布到相应的研发引擎。同时，还可以使用逆向建模，将已有物理表逆向生成模型。
建模视角说明
维度建模支持从公共层、应用层对创建的模型表进行归类，您可以根据实际需求，选择合适的层级进行建模，不同层级支持的管理视角不同。
公共层：用于加工、整合贴源层输入的公共数据，建立统一的指标维度，构建可复用面向分析和统计的明细事实数据和汇总数据。该层级支持使用数据域或业务分类视角管理模型表。
应用层：基于实际应用需求，获取公共层加工整合后的数据，面向具体应用场景或指定产品进行的个性化数据统计。该层级仅支持使用业务分类视角管理模型表。
未分层：如果已创建的模型表未划分层级归属（即公共层或应用层），则该表会被放置于未分层中。
选择对应层级后，您只能在相应层级下创建目标表。同时，可以在目录树切换该层级支持的管理视角，查看并管理层级下的模型表。
维度表
结合业务的数据域的规划，提取出各业务数据域中进行数据分析时可能存在的维度，并将维度及其属性通过维度表的方式存储下来。例如，在进行电商业务数据分析时，可用的维度及其属性有：订单维度（属性包括订单ID、订单创建时间、买家ID、卖家ID等）、用户维度（性别、出生日期等）、商品维度（包括商品ID、商品名称、商品上架时间）等，此时您就可以将这些维度和属性创建为订单维度表、用户维度表、商品维度表等，将维度属性记录作为维度表的字段。后续您可将这些维度表部署到数仓中，通过ETL将实际维度数据按照维度表定义的方式进行存储，方便业务人员在后续的数据分析时进行取用。
更多维度表的设计创建详情可参见创建逻辑模型：维度表。
明细表
结合业务过程的规划，梳理分析各业务过程中可能产生的实际数据，将这些实际数据字段通过明细表的方式存储下来。例如下订单这一业务过程中，您可以创建下订单这一明细表，用于记录下单过程可能产生实际数据字段，例如订单ID、订单创建时间、商品ID、数量、金额等。后续您可将这些明细表部署到数仓中，通过ETL将真实的数据按照明细表的定义方式进行汇总存储，便于业务分析时取用。
更多事实表的设计创建详情可参见创建逻辑模型：明细表。
汇总表
汇总表用于组织一个数据域下相同时间周期、相同维度的多个派生指标的统计数据，是对业务高度抽象后的梳理结果，为后续的业务查询，OLAP分析，数据分发等提供基础。更多汇总表的设计创建详情可参见创建逻辑模型：汇总表。
应用表
应用表是面向具体业务场景，用于组织相同时间周期、相同维度的多个原子指标、派生指标或统计粒度的统计数据，为后续的业务查询，OLAP分析，数据分发等提供基础。您可根据业务需求，基于应用场景的需要来设计应用表。更多应用表的设计创建详情可参见创建逻辑模型：应用表。
逆向建模
逆向建模是将物理表逆向生成逻辑模型，该功能帮助您无需再次执行建模操作即可快速创建模型，节省了大量的时间成本。更多逆向建模的操作详情可参见逆向建模：物理表反向建模。