作为一家分析机构，我们乐于为客户提供自助式分析工具。让业务用户不仅可以探索我们准备好的仪表板，还可以探索整个数据集，这个想法非常强大。但是，业务用户在开始使用自助式分析时经常会遇到困难。
在本文中，我们将阐述自助式服务中常见的实体-关系数据模型的典型问题，并讨论如何通过使用不同的数据建模技术来改善自助式体验。
假设我们有一个从 Google Analytics 获取的典型数据集。我们有关于用户及其事件的信息。通常，我们会为这类数据准备两张表：用户表（Users）和事件表（Events）。
用户数据集示例：
事件数据集示例：
为了满足自助式服务需求，我们通常通过主外键连接事件表（EVENTS）和用户表（USER），并从事件表（EVENTS）中获取一些用户属性。
这种方法看起来很合理，至少直到有一天，我们的一位客户要求为某个管理会议绘制 DAU（日活跃用户）图表。
“您可以自助完成，”我们说，“只需前往事件表（EVENTS），按天统计独立用户数量即可。”
“但是，”业务用户说，“如果我想绘制日活跃用户图表，为什么我要去事件表（EVENTS）呢？我实在不明白！”
这就是公司自助式分析发展中的真正障碍——对工程师来说显而易见的事情，对核心业务用户来说却不一定显而易见。
因此，我们决定寻找一种比传统实体-关系模型更适合自助式需求的数据模型。
在探索了一些数据建模技术后，我们偶然发现了 极简建模方法，它将数据库分解为锚点（领域的主要名词）、锚点之间的链接和属性。
极简建模的要求之一是将链接表与锚点表分开。
因此，在重新建模我们的数据集后，我们得到
-
锚点表（用户和事件）
-
以及一个独立的链接表
这个链接表包含两个 ID：user_id 和 event_id 和事件发生的时间戳。 
诀窍在这里：如果我们将此链接表用作自助式分析的主表，我们可以将用户表（USER）和事件表（EVENTS）都链接到它。
因此，用户表（USER）和事件表（EVENTS）将在“汇总”侧边栏中共享相同的级别。
因此，如果业务用户需要绘制日活跃用户指标，他无需猜测应该去哪里：用户表（USERS）还是事件表（EVENTS）。他可以直接进入链接表作为入口点。
使用链接表构建的日活跃用户：
用户（USERS）和事件（EVENTS）的指标都可以仅使用一个链接表来定义。拥有一个宽链接表的这个想法可以扩展：如果我们在领域中有订单（ORDERS）、交易（TRANSACTIONS）和其他锚点，它们也可以在单个链接表中链接在一起，从而成为自助式需求的单一入口点。