一位资深数据工程师痛陈数据建模在现代数据栈中被边缘化的现实，呼吁回归严谨的数据设计思维，重建属于这个时代的建模方法论。
在数据工程的世界里，有个叫丹尼尔的男人，他是那种会在凌晨三点 SSH 进服务器、嘴里叼着半根冷掉的烟、一边敲 Perl 脚本一边骂云厂商的老派工程师。他的博客叫《一个数据老炮的自白》，名字土得掉渣，但每一篇都像一记耳光，扇在那些只会用 Python 调包的新一代数据工程师脸上。
最近他在自己博客上发了一篇题为《数据建模已死》的文章，语气暴躁、满嘴脏话，却像一颗深水炸弹，在整个数据圈炸出了层层涟漪。这不是一篇学术论文，也不是什么厂商白皮书，而是一个经历过数据仓库黄金时代的老兵，在目睹现代数据栈野蛮生长后发出的怒吼与哀悼。
他说数据建模死了，而且死得悄无声息：不是被技术淘汰，而是被整个行业集体遗忘。
如今的年轻人张口闭口就是 Databricks、Snowflake、Medallion 架构，动不动就在 Jupyter Notebook 里跑 Spark 任务，仿佛只要有无限算力和对象存储，就能把一堆乱七八糟的 JSON 文件变成企业级数据资产。
他们不知道什么是第三范式，不明白星型模型为何而生，更不懂事实表的粒度究竟意味着什么。
对他们来说，数据建模是个过时的词，就像软盘驱动器或者 IE 浏览器。
可丹尼尔记得那个年代。那是 Kimball 还被奉为神明的年代。每一个数据项目启动前，团队都要围坐在会议室里，白板上画满维度表和事实表之间的连线，争论某张表的粒度到底是按订单还是按明细行。
那时候建模不是可选项，而是必经之路。你得先想清楚数据怎么组织，才能决定怎么存储、怎么查询、怎么服务业务。数据建模是数据世界的建筑蓝图，没有它，一切高楼都是危楼。
但这一切随着数据湖的兴起戛然而止。
AWS、Snowflake、Databricks 这些平台给了工程师前所未有的自由——你可以把任何格式的数据扔进湖里，不用定义 schema，不用设计主键，甚至不用关心性能。反正计算资源便宜，大不了后面再用 Spark 慢慢洗！
于是“先存再说”成了信条，“灵活 schema”成了挡箭牌，而数据建模则被扔进了历史的垃圾桶。
更可怕的是，这个行业失去了声音：
过去有 Kimball 的《数据仓库工具箱》，那是每个数据工程师床头必放的圣经。书里写得清清楚楚：维度建模怎么做，缓慢变化维度怎么处理，汇总层怎么设计。你可以不同意，但你不能无视。
而现在呢？除了乔·里斯那本《数据工程基础》还能勉强撑起一点体面，几乎没人再系统性地讨论现代数据环境下的建模方法论。
厂商们忙着推自己的架构，Medallion、Data Mesh、Delta Lake、Iceberg，各种术语满天飞，可谁来告诉你这些技术到底该怎么用在建模实践中？
丹尼尔举了个例子：事实表的粒度：
在 Kimball 时代，这是建模的第一原则。你必须明确回答“这张表的每一行代表什么”。是每一笔订单？还是每一个商品项？这个“粒度”决定了后续所有的聚合逻辑是否正确。
可到了数据湖 Lake House 时代，很多人连主键都不设了，分区成了唯一的设计考量：他们把数据按日期分区，再用 Z-Order 优化查询，以为这就叫“现代化”。
但丹尼尔说，他依然坚持给每张表加一个逻辑主键，哪怕底层数据库不强制约束。
因为这不是技术问题，是思维问题。你不定义粒度，就意味着你根本没想清楚业务含义。
他还痛斥那些把 Medallion架构当成数据建模替代品的人。青铜层接原始数据，白银层做清洗，黄金层出模型——听起来很美，可这根本不是建模，这只是数据流转的路径。真正的建模是要回答“我该保留哪些属性”“怎么关联不同实体”“如何支持多维分析”。这些思考在 Medallion 的三层数字流水线里被彻底稀释了。你可以在黄金层扔一张宽表，但这不等于你做了建模，就像把砖头堆成一堆不等于盖了房子。
最让他愤怒的是，整个行业对数据质量的漠视已经到了令人发指的地步。数据建模和数据质量本是一体两面，没有良好的结构设计，何谈数据可信？可现在呢？大家忙着搞 Data Catalog，搞 Lineage 可视化，搞自动化监控，却没人愿意花时间坐下来认真设计一张表。仿佛只要工具链够炫，问题就能自动消失。
丹尼尔冷笑：你们连表都建不明白，还谈什么数据治理？
他渴望一个“数据建模救世主”的出现！不是某个云厂商的首席架构师，也不是某个网红数据博主，而是一个真正懂业务、懂技术、敢说真话的人，能写出一本属于这个时代的《数据建模新约》。
这本书要直面现代数据栈的现实——我们确实不再用 Oracle RAC，也不再手工写 ETL 脚本，但我们依然需要思考数据的组织方式。
它要告诉我们，在 Iceberg 表上如何实现缓慢变化维度，在 Delta Lake 中怎样设计高效的分区策略，在没有外键约束的环境下如何保证数据一致性。
他说，现在的数据工程就像一场没有裁判的足球赛，人人拿着球乱跑，进球了就欢呼，没人管规则。而数据建模，本该是那套看不见却至关重要的规则体系。它不 flashy，不 trendy，但它决定了比赛能不能正常进行。
也许数据建模从未真正死去，它只是被喧嚣掩盖。
当所有人的注意力都被“实时”“湖仓一体”“AI 增强”这些词汇吸引时，那个安静坐在角落里画 ER 图的人，反而成了异类。
但丹尼尔相信，总有一天，我们会为今天的轻率付出代价——当报表结果互相矛盾、当模型无法支撑新需求、当数据团队沦为纯粹的搬运工时，人们才会想起，原来我们曾经拥有过一种叫“建模”的智慧。