168大数据

标题: 数据架构与数据建模 [打印本页]

作者: 168主编 时间: 2020-2-27 15:56
标题: 数据架构与数据建模
一、数据架构与数据模型在数据资产化浪潮汹涌而来的时候，数据平台，数据中台，数据湖等平台也成为了企业的数据资产化建设的的‘基建项目’，数据模型是这个基建项目的核心内容之一，贯穿了整个数据架构。

数据模型定义了操作者、行为以及管理业务处理流程的规则，并将定义内容用人们和应用程序都能理解的标准语法进行描述。

不同技术背景和业务经验的各类人员在讨论数据需求时缺少一种有效的沟通工具，在讨论中经常因为对各种符号理解不一致，导致沟通效率低下，不同观点之间很难协调，达成共识。
当系统出现故障或发现数据问题时，没有可以观察系统的整体视角，技术人员对当前数据库内的状况全然不知，导致系统问题排查困难，数据问题无从下手。
不同部门对业务规则的理解不一致，关于“客户”、“产品”等关键概念含义多种多样，数据库中同名不同义，同义不同名现象随处可见，极大地影响了数据的识别和应用。

数据模型作为不同技术背景和业务经验的各类人员有效沟通数据需求的重要媒介，可以帮助描述与沟通数据需求、增加数据的精确性与易用性、降低系统的维护成本并增加数据可重用性。

数据模型是现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型从抽象层次上描述了数据的静态特征、动态行为和约束条件。数据模型所描述的内容有三部分：数据结构、数据操作（其中ER图数据模型中无数据操作）和数据约束，形成数据结构的基本蓝图，也是企业数据资产的战略地图。数据模型按不同的应用层次分成概念数据模型、逻辑数据模型、物理数据模型三种类型。

概念模型：是一种面向用户、面向客观世界的模型，主要用来描述现实世界的概念化结构，与具体的数据库管理系统（DBMS，Database Management System）无关；
逻辑模型：是一种以概念模型的框架为基础，根据业务条线、业务事项、业务流程、业务场景的需要，设计的面向业务实现的数据模型。逻辑模型可用于指导在不同的DBMS系统中实现。逻辑数据模型包括网状数据模型、层次数据模型等；
物理模型：是一种面向计算机物理表示的模型，描述了数据在储存介质上的组织结构。物理模型的设计应基于逻辑模型的成果，以保证实现业务需求。它不但与具体的DBMS有关，而且还与操作系统和硬件有关，同时考虑系统性能的相关要求。

数据模型管理是指在信息系统设计时，参考业务模型，使用标准化用语、单词等数据要素来设计企业数据模型，并在信息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建数据模型，数据模型的标准化管理和统一管控，有利于指导企业数据整合，提高信息系统数据质量。数据模型管理包括对数据模型的设计、数据模型和数据标准词典的同步、数据模型审核发布、数据模型差异对比、版本管理等。数据模型管理的关键活动包括：

关于数据架构和数据模型，今天我们先分享到这里。由于数据模型在数据管理中如此重要，下一期，我们为大家分享下数据模型工具。

关于Datablau

▔

Datablau创建于2016年，核心创始和研发团队全部来自于原CA erwin，天然具有世界级产品厂商的血缘和水准，是国内数据治理的第一品牌。依托多年的行业积累和技术沉淀，Datablau在产品设计层面充分发挥了后天优势，实现了集数据建模、数据目录、数据质量和数据准备为一体的企业级数据治理平台，全面满足企业对于数据治理的客观需求。目前Datablau在嘉实基金、中国人寿、国电大渡河和四川航空等大型客户得到实际应用并深受好评，客户范围已经覆盖到银行、保险、制造业和能源行业等核心领域，Datablau已成为企业数据治理领域的领导厂商。

王琤Allen CEO

曾任CA ERwin全球研发负责人,2006年加入CA，十几年经验在数据建模领域，客户多来自世界500强、美国银行（BOA）、SunTrust、AT&T、壳牌等深度参与建设银行新一代系统数据模型设计。多项专利和论文关于统一（关系型与非关系型）数据建模。复旦大学、北京航空航天大学客座讲师。IEEE member、 OMG member、DAMA member。

欢迎光临 168大数据 (http://www.bi168.cn/)