带你读《2022技术人的百宝黑皮书》——大淘宝技术数据模型治理阶段性分享(6) https://developer.aliyun.com/article/1247079?groupCode=taobaotech
后续规划
目前，大淘宝技术数据模型治理已经取得了非常好的阶段性成果，在产品共建、模型分评估、找数提效方面都有很好的效果产出。但仍然存在一些未解决问题：
1.统一架构和规范难保障：各业务对阿里大数据体系规范的理解程度不一致，集团数据架构和规范的统一难以保障；
2.业务通用层比较薄：历史背景之下，各业务通用层建设比较薄弱，新架构下业务效率和口径存在风险；
3.ADS层持续增长，复杂度难管控：阿里大数据体系规范缺少对应用层的规范，ADS与通用层的边界划分不清晰，ADS的复杂度难以控制；
4.缺乏有效管控：在数据开发与运维层面，阿里巴巴沉淀了大数据体系规范不断与数据平台融合，但是部分标准无法强制执行与数据平台进行集成。数据治理上，当前数据无法有效识别数据表是否无效，导致研发对数据表
不敢下、没精力下；
5.数据建设和使用尚未完全打通：当前数据开发和数据使用尚未完全实现数据打通，定义的模型、开发的数据未在数据地图中有效的实现透出和管理。
下阶段将针对尚未解决的问题进一步深入解决：
1.大淘宝技术模型架构
我们会针对当前存在的架构问题进行升级，从架构原则、设计规范、开发规范、运维规范、治理规范、共建机制等方面进行方法论的升级，以更好的适应当前阶段的数据研发现状，切实的从架构层面为降本、提效提供有效保障。
2.智能建模
继续与DataWorks团队共建，进一步提高通用层、应用层开发效率，从产品层面提供保障。
3.数据地图
官方专辑快速接入：当前官方专辑构建需要专人进行配置和维护，后续可以考虑降低接入成本，下放到各个团队进行自主接入和维护，提升数据专辑的丰富度和易用性。进一步打通数据开发和使用环节：将智能建模的数据与数据地图进一步打通，实现核心模型的快速筛选和透出。
多角度提升表查询和使用的能力：从表说明、表答疑、数据知识提取等方面实现对找表、用表、表答疑的简易度提升，结合文本算法、机器人等技术和产品能力，实现数据知识的智能生成。
4.开发助手
开发助手在表推荐和表管控方面可以进一步升级。
5.大淘宝通用层评估体系升级
针对当前的模型分加入模型血缘相关的信息，做厚大淘宝通用层，为业务提供更好的通用层数据支撑。表自动化下线：实现模型、表、服务的自动化下线&专家经验下线，提高数据下线效率，降低人工介入成本。
DataWorks智能数据建模产品帮助文档：https://help.aliyun.com/document_detail/276018.html
团队介绍
淘宝数据公共层团队是onedata的发源地，构建大淘宝数据公共层服务于内部决策运营、商家生意参谋、品牌数据银行、直播大屏等业务场景，提供稳定、易用、高效的公共层数据；建立大淘宝数据体系的建设和保障规范，通过规数据评估、数据治理来确保阿里体量最大的数据体系健康与稳定；
这是一支务实且不断革新自己的团队，不局限于onedata方法论实践，同时基于实践问题总结，致力于完善onedata方法论升级到onedata2.0。
真诚邀请海内外相关方向的优秀人才加入我们，如果您有兴趣可将简历发至jinshi.gjs#alibaba-inc.com（发送邮件时请将#改为@），期待您的加入！
