数据专题 | 数据架构是管理数据的基础

随着数字化转型、数据要素市场化、高质量生长等宏观导向，，，，，，，数据价值愈发获得重视。。。。。。。从最基础的数据架构到上层的数据应用，，，，，，，无论是金融机构照旧金融科技厂商，，，，，，，都有着各自的明确与实践。。。。。。。betway西汉姆官网科技在大数据领域始终坚持足够的手艺敏锐度，，，，，，，将以本篇关于“数据架构”的探讨为始，，，，，，，后续推出系列文章，，，，，，，与您一起探索更适合当下行业生长的数据观，，，，，，，欢迎各人一连关注。。。。。。。

作者｜betway西汉姆官网科技大数据研究院

内容｜本篇共3170字，，，，，，，预计阅读时间10分钟

良久以来，，，，，，，数据架构一词的影响一直局限于很狭窄的专业领域规模之内，，，，，，，海内的数据治理事情基本都围绕着数据标准开展。。。。。。。2021年2月9日人民银行宣布《金融业数据能力建设指引》，，，，，，，对数据架构的熟悉正式提升到了行业高度，，，，，，，而把数据标准改为数据规范，，，，，，，也算是各归其位了。。。。。。。

数据架构是什么

凭证ISO/IEC/IEEE 42010:2011的架构界说：系统的基本组织，，，，，，，体现在其组件、它们之间的关系和情形，，，，，，，以及管理其设计和演变的原则。。。。。。。

架构一词泉源于修建行业。。。。。。。若是说杜甫昔时盖茅屋不需要设计，，，，，，，那么制作现代广厦不可能没有设计图就开工了。。。。。。。

管理数据也需要架构。。。。。。。数据架构界说管理数据资产的蓝图，，，，，，，形貌应该怎样组织与管理数据，，，，，，，内容包括数据模子、数据界说、数据映射规范、数据流、结构化数据应用接口规范（DAMA DMBOK2）。。。。。。。数据架构需要一连动态地维护，，，，，，，并不比修建架构设计简朴。。。。。。。

国家标准GB/T36073—2018《DCMM数据管理能力成熟度评估模子》关于数据架构的形貌为：通过组织级数据模子界说数据需求，，，，，，，指导对数据资产的漫衍控制和整合，，，，，，，安排数据的共享和应用情形，，，，，，，以及元数据管理的规范。。。。。。。

那么怎样解读数据架构？？？？？？？？有哪些组件？？？？？？？？组件之间的关系是什么？？？？？？？？与哪些情形有关系？？？？？？？？

数据架构有哪些组件

企业数据架构设计包括企业数据模子设计以及数据流设计（DAMA DMBOK2），，，，，，，这也是数据架构较量经典的内容。。。。。。。从零最先设计企业数据架构需要很长的时间、很大的资金投入，，，，，，，并保存潜在的失败危害。。。。。。。在企业数据架构实践中，，，，，，，业界已有一些成熟的行业数据模子可以参考，，，，，，，因此，，，，，，，一样平常情形下，，，，，，，最详细的数据架构设计文件是一个正式的企业数据模子。。。。。。。物理数据模子也是数据架构文件，，，，，，，但物理数据模子是数据建模和设计的产品，，，，，，，而不是数据架构。。。。。。。

DCMM的数据架构能力域包括数据模子、数据漫衍、元数据管理、数据集成与共享能力项，，，，，，，DCMM把在DAMA数据管理知识系统中自力的元数据管理、数据集成两个领域也包括进去了。。。。。。。DCMM标准已被普遍认可，，，，，，，一些领先的机构获得了数据管理能力成熟度四级或五级认证。。。。。。。

怎样明确DCMM界说的数据架构组件关系

数据架构的焦点组件是数据模子，，，，，，，指导数据漫衍与数据集成。。。。。。。

数据漫衍也是数据集成的须要输入。。。。。。。为提升数据集成与交互的效率，，，，，，，数据集成反过来对数据漫衍提出要求。。。。。。。

企业的数据模子、数据漫衍以及数据集成的设计文档都是元数据，，，，，，，若是没有这些元数据，，，，，，，组件之间的关系无法展现，，，，，，，用户就无法使用数据。。。。。。。

数据架构与应用架构、手艺架构的关系

数据架构不可自力保存，，，，，，，站在企业架构的高度，，，，，，，与企业应用架构、手艺架构有细密的情形关系。。。。。。。

应用架构是数据架构的输入。。。。。。。数据的漫衍是数据在营业应用与数据应用系统中的漫衍，，，，，，，这些系统的营业功效决议了将爆发哪些数据以及需要哪些数据，，，，，，，因此，，，，，，，应用架构设计决议了数据的漫衍，，，，，，，指导数据架构中数据界说、数据集成与交互等妄想和管控事情。。。。。。。数据架构设计对应用架构的输入不应照单全收，，，，，，，应用系统中的数据模子设计应遵照企业数据架构，，，，，，，数据漫衍与集成的原则要求影响应用系统的功效漫衍。。。。。。。

数据架构是手艺架构的输入。。。。。。。数据的集成交互与存储妄想的需求是敌手艺架构提出的要求。。。。。。。手艺架构是数据架构的落实基础支持，，，，，，，基于可靠性、性能·、实验的重大性、本钱等思量的数据库软件、数据存储等手艺选型可能反过来制约应用架构与数据架构。。。。。。。

数据管理领域的反思

自金标委建设三十多年以来，，，，，，，在推动金融数据标准化方面取得了重大成绩，，，，，，，金融行业的数据管理水平一直处于领先职位。。。。。。。�；；；；厥资莨芾砹煊蛳晗甘导蹋�，，，，，仍有一些问题值得反思。。。。。。。

数据架构管理简朴粗放

由于有自制的存储装备可以选择，，，，，，，太过强调应采尽采（甚至有些企业主张实时收罗全域数据，，，，，，，数据收罗无差别“大而全” ），，，，，，，太过强调非结构化数据的价值，，，，，，，没有对数据举行细腻化区别管理，，，，，，，没思量过其中大部分数据可能没有任何价值，，，，，，，没有思量TCO与ROI，，，，，，，放任数据的膨胀。。。。。。。

数据管理与治理没有建设在企业数据架构基础之上

有些企业数据架构的管理不包括数据模子，，，，，，，仅限于数据剖析平台（数据客栈或数据中台）的漫衍流转，，，，，，，数据集成仅限于从数据收罗最先到数据应用。。。。。。。

在数据模子设计与数据集成历程中，，，，，，，忽视了企业数据漫衍（应用架构）的输入，，，，，，，可能导致所用数据并非权威数据源，，，，，，，甚至可能使用了过失的数据，，，，，，，无法包管数据质量。。。。。。。

数据治理系统化与深度有待提升

有些企业数据的治理停留在建章立制方面，，，，，，，有些企业建设了数据标准但没有落地，，，，，，，意识到“同义差别名、同名差别义”，，，，，，，要统一术语看法，，，，，，，但没有上升到数据架构系统层面，，，，，，，很难取得实质性希望。。。。。。。

许多企业花鼎气力买通数据应用“最后一公里”，，，，，，，而不关注数据生产“最前十公里”。。。。。。。若是忽视数据问题爆发的源头，，，，，，，事倍功半，，，，，，，最后一公里的应用很难有高质量的数据基础。。。。。。。

强调可用性，，，，，，，质量被忽略

有些金融企业在引入互联网解决计划时忽视了行业差别，，，，，，，为了提高可用性，，，，，，，一直提高数据纷歧致性等质量问题容错率。。。。。。。�；；；；チ幸敌矶嘤党【岸允葜柿康囊蟛桓撸�，，，，，从统计角度只要知足一定水平的相似性。。。。。。。而金融行业财务报表、合规羁系等需求对数据质量的要求远高于互联网行业。。。。。。。

应该怎么做：

以企业级的架构视角来管理与使用数据

许多企业有数据，，，，，，，无数据架构。。。。。。。数据架构处于无感的被动职位，，，，，，，手艺选型后才谈数据架构，，，，，，，应用系统不思量数据架构基本要求。。。。。。。当手艺平台穷于应付，，，，，，，不可给客户带来好的体验时，，，，，，，不从数据架构、应用架构方面举行反思。。。。。。。

架构设计的实质是企业级顶层视角与系统化设计

清晰明确企业数据架构的实质，，，，，，，无论是数据治理或数据资产管理，，，，，，，照旧数据客栈、数据中台或数字化转型，，，，，，，都应该站在企业级顶层视角，，，，，，，举行架构层面的系统化设计。。。。。。。

数据生命周期每个阶段的生产者、加工者都应该对自己设计的数据产品认真，，，，，，，对自己的用户认真。。。。。。。设计者的眼光不但要向前看，，，，，，，还要注重到左右的应用架构与手艺架构，，，，，，，还要向后看，，，，，，，熟悉到自己的设计事情是很是主要的环节。。。。。。。

稳固的架构来自笼统头脑

架构应该是稳固的。。。。。。。解决“同义差别名、同名差别义”的问题只是数据架构管理万里长征的第一步。。。。。。。纵然数据模子的设计遵照数据标准，，，，，，，仍解决不了本诘责题，，，，，，，只有接纳笼统的头脑，，，，，，，剥离数据的噪声，，，，，，，笼统出营业的本体，，，，，，，才华爆发稳固的框架，，，，，，，并以结构化、系统化来表达或展现。。。。。。。

与数据治理协同

数据治理是数据架构的另一要害情形因素。。。。。。。数据架构的目的最终需要通过与数据治理的协调一致才华实现，，，，，，，数据架构认真准确地做事，，，，，，，数据治理确保（凭证数据架构）做准确的事。。。。。。。

把企业数据模子作为数据治理事情的产出物

从建设企业看法数据模子入手，，，，，，，让各关连人熟悉到企业数据模子的主要性，，，，，，，在数据建模中系统化治理数据，，，，，，，在数据治理中逐步完善形成企业数据模子，，，，，，，指导数据在企业各系统的漫衍与集成，，，，，，，支持应用系统的数据重用与迅速开发。。。。。。。

管理数据资产的全生命周期

建设数据即资产的数据资产观，，，，，，，在一样平常事情中建设本钱与收益意识，，，，，，，从数据的爆发最先管理，，，，，，，使数据的设计者、生产者、加工者与管理者都熟悉到在数据的全生命周期中都投入了本钱，，，，，，，优化数据管理生态，，，，，，，实现企业级的数据集成，，，，，，，驱动数据资产价值的最大化。。。。。。。

建设数据剖析生态系统

结构化与非结构化数据有差别的价值密度，，，，，，，需要差别的处置惩罚手艺与流程。。。。。。。数据差别的生命周期，，，，，，，价值密度也纷歧样。。。。。。。需要建设完善的数据剖析生态系统，，，，，，，有用管理州差别形态、差别生命周期的数据，，，，，，，为差别用户提供高质量的数据以及友好的体验。。。。。。。

结语

企业数据的管理是一项一连的事情，，，，，，，不可能毕其功于一役。。。。。。。营业在生长转变中，，，，，，，数据架构也要同步更新。。。。。。。许多企业实验数据中台并没有带来数据管理能力的提升，，，，，，，也没能给用户提供高质量的数据，，，，，，，若是不站在企业的架构视角，，，，，，，数据治理与数据架构脱钩，，，，，，，各自进行，，，，，，，再换个马甲也无用。。。。。。。

数据专题 | 企业级的数据治理需要企业级的数据模子

betway西汉姆官网动态

2023.11.23

手艺专栏｜betway西汉姆官网科技漫衍式定位服务的探索与实践

金融科技

2023.03.01