企业架构之数据架构-对几个关键点的说明

Hello，大家好，我是人月聊IT。

今天接着跟大家聊一下数据架构方面的话题。上周我在外面出差，刚好与客户聊到了数据架构，以及数据架构与业务架构、应用架构之间的承接关系。这里有几个观点，我特别想跟大家分享。

1. 数据及早开始并前移

如果你熟悉企业架构和4A架构，一定知道在最早的企业架构里，只有业务架构和 IT架构两大类，数据架构被归到 IT 架构中，IT架构包括了应用架构和数据架构。但在当下数字化架构转型过程中，我强烈建议将数据架构的位置前移，从原有 IT架构的归类中剥离出来，数据架构应该是底层一个同时支撑业务架构和应用架构的架构，同时数据架构应该是及早进行数据架构的规划和设计。

在传统企业架构规划和设计中，数据架构的位置往往比较靠后，参考TOGAF的ADM架构实施方法论，也是做完业务架构后才过渡到数据架构。基本的思路是基于价值流做业务能力地图，再分解后梳理流程，定义业务活动、识别业务单据，从单据转到业务实体，才能涉及数据架构。

图片

大家可以看到ADM架构实施方法论中，一般的叫法并不是数据架构，而是信息系统架构或信息架构，所以这导致数据架构变成了IT架构的一部分，而无法从IT架构中单独剥离出来。

这时候，数据架构多与应用架构里的数据库设计，以及数据的概念模型、逻辑模型、物理模型相关联，其位置已经相当靠后。如此一来，如何发挥数据价值、体现数据驱动呢？即便能发挥数据价值，也局限于传统 BI 思路，仅仅是数据应用到后期的数据辅助决策，数据变成了业务流程执行的一个附属品。所以数据架构的位置必须前移。

其实在梳理核心企业的业务价值链和业务流程时，无需做完整个业务流程梳理，才能识别关键业务对象。完全可以基于头脑风暴的思路，先识别关键业务对象，再通过业务对象建模，转向数据架构规划和数据建模。

2. 数据架构的两大类内容

数据架构的内容和定义常被误解。上次我参考DAMA的数据架构与数据治理规范体系，发现其多将数据架构理解为数据类的技术架构，且偏重BI的传统分层架构内容，包括市面上有不少的书名将数据架构的书籍，实际也是在讲大数据平台或数据中台。这就导致大家对数据架构的理解出现相当大的差异。

图片

在这里大家可以参考《华为数据之道》这本书，在书里就提到了：

数据（信息）是组织的核心资产，数据架构通过数据资产目录、数据标准、组织级数据模型和数据分布厘清组织数据资产，改善数据质量，提升运作效率 ，有效支撑决策。书中提到数据架构包括四方面内容：一是数据分类与数据目录，二是数据标准，三是数据模型，四是数据分布和数据链。

大家要注意，就如同业务架构并非单一的业务能力地图，还包括组织架构设计、业务流程梳理、业务对象模型、CRUD 矩阵分析等输出都属于业务架构的范畴。因此对于数据架构也不能简单地认为就是一张架构图，原来的数据架构多是 OLTP的，涵盖数据分类、数据流向以及数据的概念模型、逻辑模型、物理模型。

然而，如今的数据架构内容和范畴应进一步拓展，既包括传统数据架构，也涵盖偏数据分析、BI 的 OLAP 横向分层数据架构，以及从底层数据采集集成到贴源层、DWD、宽表层、维度分析层的横向分层架构，还包括围绕数据架构的指标分级体系建设等诸多内容。

图片

对于我们做数据架构规划和设计，一定要包括上面两个部分的内容，一个是用于应用系统的规划建设，一个是用于数据驱动和数据分析决策，在底层又通过数据采集集成，数据链，数据血缘分析和追溯等构建成一个完整的整体。这个我当时在构建整个数字化能力体系的时候，也做了专门的区分说明，类似下面里面的两个部分内容。

3.新技术发展对数据架构的新要求

图片

当前云原生和应用架构微服务化背景下，数据架构的规划设计要求提高，主要体现在两个方面。一是基础主数据和共享数据的设计，新的TOGAF10标准里，专门有分册讲述基础主数据及数据治理管控内容。

其二是应用架构微服务化后，微服务应用不仅涉及上层应用组件的拆分，更关键的是底层数据库的拆分。因此在数据架构规划中，做好底层数据模型后，如何拆分数据库成为重要工作。

过去做大单体数据模型建设时并没有这一内容。但现在我们在做新数据架构规划，尤其是从规划转向建设落地时，不仅要考虑全局数据模型，更要思考数据如何拆分，因为数据拆分会引发数据集成和分布等系列问题。

至于数据库拆分的方式，我原来讲过既可以基于领域建模思路，也可以基于传统结构化分析里的 CRUD 矩阵分析，找到高内聚和松耦合的点。具体而言就是分析识别出的核心数据与业务流程的关系，以及数据与应用功能点的关系，找准 CRUD 关系，以此为基础做好数据底层拆分工作。不过这部分没有严格的公式化求解方式，更多依赖不断实践，探索出最适合的数据架构规划设计方法。

其三，我在前面谈到的数据架构模型实际分了面向OLTP的数据架构和面向OLAP的数据横向分层架构。但是当前随着底层技术架构的变化，特别是底层数据存储推出了TP/AP一体化架构，包括当前随着AI大模型的发展，是否还需要严格的进行数据横向分层架构和数据模型建设，这些点上都存在巨大的不确定性。很有可能在远期的发展上面来看，技术架构的发展可能会反向推动数据架构规划设计的变化，实现上层数据架构设计的融合。

好了，今天关于数据架构的分享就到这里，希望能对大家有所启发，再见。