一、为什么需要数据字典

在数据分析或数据仓库建设的过程中，我们常常会遇到这样的情况：

• 新人接手项目时，不清楚每个字段的含义；

• 各部门对同一个指标（如 GMV、活跃用户）定义不一致；

• 表结构复杂、字段命名不统一，导致分析时频繁出错。

这些问题最终会造成 数据口径不一致、分析结果不可靠。

而要解决这些痛点，「数据字典」正是最直接、最高效的工具。

---

二、什么是数据字典（概念与作用）

数据字典（Data Dictionary），顾名思义，就是一份对数据进行说明的“字典”。

它用于记录系统中所有 表、字段、指标及其含义 的详细信息，是理解数据库结构的“地图”。

例如

项目	说明
表名	用户表（user_info）
字段名	user_id
字段类型	INT
含义	用户唯一标识
备注	主键，自增

一句话概括：

数据字典是数据世界的“说明书”，帮助团队快速理解数据结构与业务含义。

---

三、数据字典的核心组成

一份完善的数据字典，通常包含以下几个层次：

层次	内容	举例
表级信息	表名、业务含义、创建时间、负责人	user_info 用户基本信息表
字段信息	字段名、类型、是否主键、是否为空、说明	user_id, VARCHAR, 主键
指标定义	核心业务指标定义	日活跃用户 DAU：当天登录过的用户数
数据口径	指标的计算逻辑与口径说明	GMV：下单金额，不含退款
维护信息	创建人、更新时间	张三，2025-10-30

---

四、如何创建数据字典（实战示例）

方法一：SQL 自动生成（适合数据库层）

以 MySQL 为例，我们可以直接通过 information_schema.columns 表生成：

SELECT 
    TABLE_NAME AS 表名,
    COLUMN_NAME AS 字段名,
    DATA_TYPE AS 数据类型,
    COLUMN_COMMENT AS 字段说明
FROM information_schema.columns
-- 注意这里是数据库名，不是表名
WHERE table_schema = 'your_database_name'
ORDER BY TABLE_NAME;

运行结果导出为 Excel，即可生成一份基础版数据字典。

表名	字段名	数据类型	字段说明
order_cus_sel_geo_wide	customer_city	varchar
order_cus_sel_geo_wide	customer_state	varchar
order_cus_sel_geo_wide	days	int
order_cus_sel_geo_wide	distance_km	double
order_cus_sel_geo_wide	order_id	varchar

---

方法二：手动维护（适合分析团队）

在实际工作中，我们也可以使用 Excel / Notion / 飞书表格 来手动维护数据字典，方便灵活更新。

例如

表名	字段名	字段类型	含义	备注
order_info	order_id	bigint	订单编号	主键
order_info	user_id	bigint	用户编号	外键关联 user_info
order_info	gmv	decimal	订单金额	含税金额

---

实例：Olist 电商数据集中的 GMV 数据字典

以我正在分析的 Olist 电商数据 为例，
当我要计算 GMV 时，可以先为相关表构建一份小型数据字典👇

表名	字段名	中文说明	数据类型	示例值	备注（关联/用途）
orders	order_id	订单编号	String	e481f51cbdc54678b7cc49136f2d6af7	主键
orders	customer_id	客户编号	String	9ef432eb6251297304e76186b10a928d	客户分析
orders	order_status	订单状态	String	delivered ✅ / shipped ⚠️ / canceled 🚫 ...	成交口径 GMV（delivered）履约时效（shipped+delivered）
orders	order_purchase_timestamp	购买时间	date	2017/10/2 10:56	时间维度口径
order_items	order_id	订单编号	String	—	主键，关联 orders
order_items	price	商品价格	float	58.9	GMV 计算用
order_items	freight_value	运费	float	13.29	GMV 计算用

在同一个 Excel 中创建多个工作表（如 GMV 分析、履约分析、复购分析），
即可为不同主题建立独立的数据字典，结构清晰、定义明确。

---

五、数据字典在团队协作中的价值

数据字典不仅仅是文档，它是数据团队沟通与协作的基石：

• 统一口径：确保所有人对同一指标的定义一致

• 提升效率：新人可快速上手项目，减少沟通成本

• 数据治理基础：为后续的元数据管理、血缘分析打好基础

• 持续迭代：可根据业务变化定期更新，保持数据一致性