DAMA数据管理知识体系指南(4):数据架构

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。

一、数据架构语境关系图

41.png

企业架构包括多种不同类型,如包括业务架构、数据架构、应用架构和技术架构等。其中数

据架构的主要目标是有效地管理数据,以及有效地管理存储和使用数据的系统

数据架构是数据管理的基础。由于大多数组织拥有的数据超出了个人可以理解的范围,因此有必要在不同抽象层级上描述组织的数据,以便更好地了解数据,帮助管理层做出决策。

最为详细的数据架构设计文件是正式的企业数据模型,包含数据名称、数据属性和元数据定义、概念和逻辑实体、关系以及业务规则

本章节中,将从以下几个方面考虑数据架构:

1)数据架构成果,包括不同层级的模型、定义、数据流,这些通常被称为数据架构的构件。

2)数据架构活动,用于形成、部署和实现数据架构的目标

3)数据架构行为,包括影响企业数据架构的不同角色之间的协作、思维方式和技能。

二、业务驱动因素

数据架构常见的业务驱动因素如下:

1)利用新兴技术所带来的业务优势,从战略上帮助组织快速改变产品、服务和数据。

2)将业务需求转换为数据和应用需求,以确保能够为业务流程处理提供有效数据。

3)管理复杂数据和信息,并传递至整个企业。

4)确保业务和IT技术保持一致。

5)为企业改革、转型和提高适应性提供支撑

数据架构的主要成果包括:

1)数据存储和处理需求。

2)设计满足企业当前和长期数据需求的结构和规划。


三、企业数据架构

企业数据架构包括企业数据模型和数据流两部分,详情如下。

1、企业数据模型

企业数据模型:组织对企业内数据实体、数据属性和它们之间关系的理解。各层级模型(概念模型、逻辑模型、物理模型)是企业数据模型的组成部分。模型链接定义和管理了模型的横向(关联)和纵向(层级)关系。

常见的企业数据模型建设方法:自上而下、自下而上或者混合模式:

自上而下是从主题域开始,先设计主题,再逐步设计下层模型。而采用自下而上的方法时,主题域结构则是基于现有逻辑数据模型向上提炼抽象而成。通常推荐两种方法相结合,即自下而上地从分析现有模型开始,自上而下地设计主题模型,通过两种方法的结合来共同完成企业数据模型的设计工作

企业数据模型概念图:

42.png

主题域模型概念图:

43.png

2、数据流

数据流:记录数据血缘的数据加工过程,可以通过二维矩阵、数据流图呈现。

2.1、二维矩阵数据流概念图

44.png

2.2、数据流概念图

45.png


四、度量指标

常用的企业数据架构衡量指标:架构接受度、实施趋势、业务价值。数据架构衡量工作通常作为项目总体业务客户满意度的一部分,每年开展一次

(1)架构标准接受率 。测量项目与已建立的数据架构的紧密程度,项目与企业架构参与流程的遵循度。

(2)实施趋势。对跟踪企业架构改善组织实施项目能力的程度,至少沿两个方向进行改善:

1)使用/重用/代替/废弃测量。决定使用新架构构件与重用、代替或废弃构件的比例。

2)项目执行效率测量。测量项目的交付时间和可重用构件及指导构件的交付改进成本。

(3)业务价值度量指标 。追踪向期待的业务效果和利益方向的发展过程:

1)业务敏捷性改进。解释生命周期改进或改变的好处,改进延误成本的测量方法。

2)业务质量。测量业务案例是否按期完成;基于新创建或集成的数据导致业务发生的改变,测量项目是否实际交付了这些变更。

3)业务操作质量。测量改进效率的方法。实例包括准确性改进、时间减少,由于数据错误而导致的纠错费。

4)业务环境改进。实例包括由于数据错误减少而改变的客户保留率和在递交报告中当局评论的减少率。


五、关键概念/工具/方法

1、企业架构之间的关系

企业架构包括多种不同类型,如包括业务架构、数据架构、应用架构和技术架构等。每个架构都不是孤立存在的,要么对其他架构产生影响,要么受制于其他架构。

46.png

2、企业架构框架——Zachman框架

在建筑、飞机、企业、价值链、项目或系统中,有许多利益相关方,且各方对架构都持有一个不同的观点。这些概念可以应用到一个企业的不同架构类型和层次需求中。

Zachman模型可以完整地描述一个企业以及相互之间的关系。它并不定义如何创建模型,只是显示哪些模型应该存在。

47.png

矩阵框架的两个维度为:问询沟通(如是什么、怎样做、在哪里、是谁、什么时间和为什么)在列中显示,重新定义转换(如识别、定义、描述、规范、配置和实例)在行中显示。框架分类按照单元格呈现(问询和转换之间的交叉)。框架的每个单元格代表一个独特的设计组件。

在问询沟通时,可以询问关于任何一个实体的基本问题,将其转换成企业架构,每个列可以按照如下理解:

1)什么(What)。目录列,表示构建架构的实体。

2)怎样(How)。流程列,表示执行的活动。

3)在哪里(Where)。分布列,表示业务位置和技术位置。

4)谁(Who)。职责列,表示角色和组织。

5)什么时间(When)。时间列,表示间隔、事件、周期和时间表。

6)为什么(Why)。动机列,表示目标、策略和手段。

重新定义转换是将抽象的概念转变为具体的实例(实例化)的必经步骤。矩阵中的每一行代表不同的角色,具体的角色包括规划者、所有者、设计师、建造者、实施者和用户。每个角色对整个过程和不同问题的解决均持有不同的视角。这些不同的视角对应的内容在每行中进行显示。例如,每个视角与“什么”列(目录或数据)均有交叉,说明相互之间具有不同关联关系。具体说明如下:

1)高管视角(业务背景)。定义不同模型范围的业务元素目录。

2)业务管理视角(业务概念)。明确管理层在定义的业务模型中所涉及的不同业务概念之间的关系。

3)架构师视角(业务逻辑)。作为模型设计的架构师细化系统需求,设计系统逻辑模型。

4)工程师视角(业务实体)。作为具体模型建造者的工程师,在特定技术、人员、成本和时间限制内,优化和实施为具体应用设计的物理模型。

5)技术人员视角(组件程序集)。采用特定技术、脱离上下文语境的视角,来解释配置模型的技术人员如何使用、组装和实施配置组件。

6)用户视角(操作类)。参与人员所使用的实际功能实例。

相关文章
|
数据采集 存储 运维
DAMA数据管理知识体系指南(3):数据治理
DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。
DAMA数据管理知识体系指南(3):数据治理
|
1月前
|
安全 数据管理 大数据
瓴羊与DAMA签署战略合作协议,共同推动行业数据管理人才培养
瓴羊与DAMA签署战略合作协议,共同推动行业数据管理人才培养
|
存储 数据采集 SQL
DAMA数据管理知识体系指南(5):数据建模和设计
DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。
DAMA数据管理知识体系指南(5):数据建模和设计
|
存储 安全 数据管理
DAMA数据管理知识体系指南(0):综述 & 学习指南
DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。
DAMA数据管理知识体系指南(0):综述 & 学习指南
|
数据管理 数据处理
DAMA数据管理知识体系指南(2):数据伦理处理
DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。
DAMA数据管理知识体系指南(2):数据伦理处理
|
数据采集 存储 数据管理
DAMA数据管理知识体系指南(1):数据管理
DAMA:国际数据管理协会,是一个全球性数据管理和业务专业志愿人士组成的非营利协会,是当前国际上在数据治理领域最权威的机构。 DMBOK2则是DAMA组织众多数据管理领域的国际级资深专家编著,深入阐述数据管理各领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著作。 本系列文章,将针对DMBOK中的核心内容进行解读。
DAMA数据管理知识体系指南(1):数据管理
|
1月前
|
Web App开发 缓存 数据库
DMS产品常见问题之DMS数据规定失败如何解决
DMS(数据管理服务,Data Management Service)是阿里云提供的一种数据库管理和维护工具,它支持数据的查询、编辑、分析及安全管控;本汇总集中了DMS产品在实际使用中用户常遇到的问题及其相应的解答,目的是为使用者提供快速参考,帮助他们有效地解决在数据管理过程中所面临的挑战。
|
1月前
|
数据管理 数据库 数据安全/隐私保护
数据管理与持久化:深度解析Docker数据卷
Docker 数据卷在容器化应用中扮演着关键角色,它们提供了一种灵活且可持久化的方式来处理应用数据。本文将深入讨论 Docker 数据卷的基本概念、使用方法以及一系列高级应用场景,通过更为丰富和实际的示例代码,帮助大家全面掌握数据卷的使用和管理。
|
16小时前
|
SQL 关系型数据库 数据管理
数据管理DMS产品使用合集之归档数据至其它MySQL数据库时,如何指定目的库
阿里云数据管理DMS提供了全面的数据管理、数据库运维、数据安全、数据迁移与同步等功能,助力企业高效、安全地进行数据库管理和运维工作。以下是DMS产品使用合集的详细介绍。
8 1
|
16小时前
|
运维 监控 数据管理
数据管理DMS产品使用合集之在进行用户归档时,目标库没有显示数据,并且源库的数据也被删除了,该如何处理
阿里云数据管理DMS提供了全面的数据管理、数据库运维、数据安全、数据迁移与同步等功能,助力企业高效、安全地进行数据库管理和运维工作。以下是DMS产品使用合集的详细介绍。
8 1

热门文章

最新文章