必一运动

股票代码: 300348
EN
数据专题 | 数据架构是治理数据的基础
必一运动动态
2023.08.14

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。。。。。。。。必一运动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|必一运动科技大数据钻研院

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。。。。。。。。唬唬;;;;厥资葜卫砹煊蚓咛迨导使,,,,,,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。。。。。。。。唬唬;;;;チ幸岛芏嘁滴癯【岸允葜柿康囊蟛桓,,,,,,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。。。。。。。。



让中国金融科技 拥有世界影响力
必一运动科技更懂若何为您的数字化转型赋能
地址: 丽江市南山区沙河西路丽江湾科技生态园一区2栋A座5层
电话: 0755-8616 8118
传真: 0755-8616 8166
【网站地图】【sitemap】