编者按：
随着数字化转型、数据身分市场化、高质量发展等宏观导向， ，，，，数据价值愈发得到器沉。。 。。。从最基础的数据架构到上层的数据利用， ，，，，无论是金融机构还是金融科技厂商， ，，，，都有着各自的理解与实际。。 。。。z6com尊龙科技在大数据领域始终维持足够的技术敏感度， ，，，，将以本篇关于“数据架构”的探求为始， ，，，，后续推出系列文章， ，，，，与您一路索求更适合当下行业发展的数据观， ，，，，欢迎各人持续关注。。 。。。
作者｜z6com尊龙科技大数据钻研院
内容｜本篇共3170字， ，，，，预计阅读功夫10分钟
很久以来， ，，，，数据架构一词的影响一向局限于很狭幼的专业领域领域之内， ，，，，国内的数据治理工作根基都萦绕着数据尺度发展。。 。。。2021年2月9日人民银行颁布《金融业数据能力建设指引》， ，，，，对数据架构的意识正式提升到了行业高度， ，，，，而把数据尺度改为数据规范， ，，，，也算是各归其位了。。 。。。
数据架构是什么
依照ISO/IEC/IEEE 42010:2011的架构界说：系统的根基组织， ，，，，体此刻其组件、它们之间的关系和环境， ，，，，以及治理其设计和演变的准则。。 。。。
架构一词起源于构筑行业。。 。。。若是说杜甫昔时盖茅屋不必要设计， ，，，，那么建造现代广厦不成能没有设计图就开工了。。 。。。
治理数据也必要架构。。 。。。数据架构界说治理数据资产的蓝图， ，，，，描述应该若何组织与治理数据， ，，，，内容蕴含数据模型、数据界说、数据映射规范、数据流、结构化数据利用接口规范（DAMA DMBOK2）。。 。。。数据架构必要持续动态地守护， ，，，，并不比构筑架构设计单一。。 。。。
国度尺度GB/T36073—2018《DCMM数据治理能力成熟度评估模型》关于数据架构的描述为：通过组织级数据模型界说数据需要， ，，，，领导对数据资产的散布节造和整合， ，，，，部署数据的共享和利用环境， ，，，，以及元数据治理的规范。。 。。。
那么若何解读数据架构？？ ？ ？？？有哪些组件？？ ？ ？？？组件之间的关系是什么？？ ？ ？？？与哪些环境有关系？？ ？ ？？？
数据架构有哪些组件
企业数据架构设计蕴含企业数据模型设计以及数据流设计（DAMA DMBOK2）， ，，，，这也是数据架构比力经典的内容。。 。。。从零起头设计企业数据架构必要很长的功夫、很大的资金投入， ，，，，并存在潜在的失败风险。。 。。。在企业数据架构实际中， ，，，，业界已有一些成熟的行业数据模型能够参考， ，，，， 因而， ，，，，通常情况下， ，，，，最具体的数据架构设计文件是一个正式的企业数据模型。。 。。。物理数据模型也是数据架构文件， ，，，，但物理数据模型是数据建模和设计的产品， ，，，，而不是数据架构。。 。。。
DCMM的数据架构能力域蕴含数据模型、数据散布、元数据治理、数据集成与共享能力项， ，，，，DCMM把在DAMA数据治理知识系统中独立的元数据治理、数据集成两个领域也蕴含进去了。。 。。。DCMM尺度已被宽泛认可， ，，，，一些当先的机构获得了数据治理能力成熟度四级或五级认证。。 。。。
若何理解DCMM界说的数据架构组件关系
数据架构的主题组件是数据模型， ，，，，领导数据散布与数据集成。。 。。。
数据散布也是数据集成的必要输入。。 。。。为提升数据集成与交互的效能， ，，，，数据集成反过来对数据散布提出要求。。 。。。
企业的数据模型、数据散布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示， ，，，，用户就无法使用数据。。 。。。
数据架构与利用架构、技术架构的关系
数据架构不能独立存在， ，，，，站在企业架构的高度， ，，，，与企业利用架构、技术架构有缜密的环境关系。。 。。。
利用架构是数据架构的输入。。 。。。数据的散布是数据在业务利用与数据利用系统中的散布， ，，，，这些系统的业务职能决定了将产生哪些数据以及必要哪些数据， ，，，，因而， ，，，，利用架构设计决定了数据的散布， ，，，，领导数据架构中数据界说、数据集成与交互等规划和管控工作。。 。。。数据架构设计对利用架构的输入不应照单全收， ，，，，利用系统中的数据模型设计应遵循企业数据架构， ，，，，数据散布与集成的准则要求影响利用系统的职能散布。。 。。。
数据架构是技术架构的输入。。 。。。数据的集成交互与存储规划的需要是对技术架构提出的要求。。 。。。技术架构是数据架构的落实基础支持， ，，，，基于靠得住性、机能·、执行的复杂性、成本等思考的数据库软件、数据存储等技术选型可能反过来造约利用架构与数据架构。。 。。。
数据治理领域的反思
自金标委成立三十多年以来， ，，，，在推动金融数据尺度化方面获得了巨大成就， ，，，，金融行业的数据治理水平一向处于当先职位。。 。。；；；；；；厥资葜卫砹煊蚓咛迨导使蹋 ，，，，仍有一些问题值得反思。。 。。。
数据架构治理单一粗放
由于有便宜的存储设备能够选择， ，，，，过度强调应采尽采（甚侄裣癌企业主张实时采集全域数据， ，，，，数据采集无差距“大而全” ）， ，，，，过度强调非结构化数据的价值， ，，，，没有对数据进行精密化区别治理， ，，，，没思考过其中大部门数据可能没有任何价值， ，，，，没有思考TCO与ROI， ，，，，放任数据的膨胀。。 。。。
数据治理与治理没有成立在企业数据架构基础之上
有些企业数据架构的治理不蕴含数据模型， ，，，，仅限于数据分析平台（数据仓库或数据中台）的散布流转， ，，，，数据集成仅限于从数据采集起头到数据利用。。 。。。
在数据模型设计与数据集成过程中， ，，，，忽视了企业数据散布（利用架构）的输入， ，，，，可能导致所用数据并非权威数据源， ，，，，甚至可能使用了谬误的数据， ，，，，无法保障数据质量。。 。。。
数据治理系统化与深杜仔待提升
有些企业数据的治理停顿在建章立造方面， ，，，，有些企业成立了数据尺度但没有落地， ，，，，意识到“同义分歧名、同名分歧义”， ，，，，要统一术语概想， ，，，，但没有上升到数据架构系统层面， ，，，，很难获得内容性进展。。 。。。
很多企业花鼎实力买通数据利用“最后一公里”， ，，，，而不关注数据出产“最前十公里”。。 。。。若是忽视数据问题产生的源头， ，，，，事倍功半， ，，，，最后一公里的利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规划时忽视了行业差距， ，，，，为了提高可用性， ，，，，不休提高数据不一致性等质量问题容错率。。 。。；；；；；；チ幸岛芏嘁滴癯【岸允葜柿康囊蟛桓撸 ，，，，从统计角度只有满足肯定水平的类似性。。 。。。而金融行业财政报表、合规监管等需要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治理与使用数据
很多企业罕见据， ，，，，无数据架构。。 。。。数据架构处于无感的被动职位， ，，，，技术选型后才谈数据架构， ，，，，利用系统不思考数据架构根基要求。。 。。。当技术平台穷于应酬， ，，，，不能给客户带来好的履历时， ，，，，不从数据架构、利用架构方面进行反思。。 。。。
架构设计的性质是企业级顶层视角与系统化设计
清澈理解企业数据架构的性质， ，，，，无论是数据治理或数据资产治理， ，，，，还是数据仓库、数据中台或数字化转型， ，，，，都应该站在企业级顶层视角， ，，，，进行架构层面的系统化设计。。 。。。
数据性命周期每个阶段的出产者、加工者都应该对自己设计的数据产品掌管， ，，，，对自己的用户掌管。。 。。。设计者的眼光不只有向前看， ，，，，还要把稳到左右的利用架构与技术架构， ，，，，还要向后看， ，，，，意识到自己的设计工作是极度沉要的环节。。 。。。
不变的架构来自抽象思想
架构应该是不变的。。 。。。解决“同义分歧名、同名分歧义”的问题只是数据架构治理万里长征的第一步。。 。。。即便数据模型的设计遵循数据尺度， ，，，，仍解决不了性质问题， ，，，，只有选取抽象的思想， ，，，，剥离数据的噪声， ，，，，抽象出业务的本体， ，，，，能力产生不变的框架， ，，，，并以结构化、系统化来表白或展示。。 。。。
与数据治理协同
数据治理是数据架构的另一关键环境成分。。 。。。数据架构的指标最终必要通过与数据治理的协调一致能力实现， ，，，，数据架构掌管正确地做事， ，，，，数据治理确保（依照数据架构）做正确的事。。 。。。
把企业数据模型作为数据治理工作的产出物
从成立企业概想数据模型动手， ，，，，让各父叩人意识到企业数据模型的沉要性， ，，，，在数据建模中系统化治理数据， ，，，，在数据治理中逐步美满形成企业数据模型， ，，，，领导数据在企业各系统的散布与集成， ，，，，支持利用系统的数据沉用与火速开发。。 。。。
治理数据资产的全性命周期
成立数据即资产的数据资产观， ，，，，在日常工作中成立成本与收益意识， ，，，，从数据的产生起头治理， ，，，，使数据的设计者、出产者、加工者与治理者都意识到在数据的全性命周期中都投入了成本， ，，，，优化数据治理生态， ，，，，实显祗业级的数据集成， ，，，，驱动数据资产价值的最大化。。 。。。
成立数据分析生态系统
结构化与非结构化数据有分歧的价值密度， ，，，，必要分歧的处置技术与流程。。 。。。数据分歧的性命周期， ，，，，价值密度也不一样。。 。。。必要成立美满的数据分析生态系统 ， ，，，，有效治理各类分歧状态、分歧性命周期的数据， ，，，，为分歧用户提供高质量的数据以及敦睦的履历。。 。。。
结语
企业数据的治理是一项持续的工作， ，，，，不成能毕其功于一役。。 。。。业务在发展变动中， ，，，，数据架构也要同步更新。。 。。。很多企业执行数据中台并没有带来数据治理能力的提升， ，，，，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， ，，，，各行其是， ，，，，再换个马甲也无用。。 。。。
