CDM層又細分為維度層（DIM）、明細數據層（DWD）和匯總數據層（DWS），采用維度模型方法作為理論基礎， 可以定義維度模型主鍵與事實模型中外鍵關系，減少數據冗余，也提高明細數據表的易用性。在匯總數據層同樣可以關聯復用統計粒度中的維度，采取更多的寬表化手段構建公共指標數據層，提升公共指標的復用性，減少重復加工。

• 維度層（DIM，Dimension）：以維度作為建模驅動，基于每個維度的業務含義，通過添加維度屬性、關聯維度等定義計算邏輯，完成屬性定義的過程并建立一致的數據分析維表。為了避免在維度模型中冗余關聯維度的屬性，基于雪花模型構建維度表。

  在Dataphin中，維度層的表通常也被稱為維度邏輯表。

• 明細數據層（DWD，Data Warehouse Detail）：以業務過程作為建模驅動，基于每個具體的業務過程特點，構建最細粒度的明細事實表。可以結合企業的數據使用特點，將明細事實表的某些重要屬性字段做適當冗余，也即寬表化處理。

  在Dataphin中，明細數據層的表通常也被稱為事實邏輯表。

• 匯總數據層（DWS，Data Warehouse Summary）：以分析的主題對象作為建模驅動，基于上層的應用和產品的指標需求，構建公共粒度的匯總指標表。以寬表化手段物理化模型，構建命名規范、口徑一致的統計指標，為上層提供公共指標，建立匯總寬表、明細事實表。

  在Dataphin中，匯總數據層的表通常也被稱為匯總邏輯表，用于存放派生指標數據。