“數據架構是業務戰略的物理實現，” 全球數據戰略有限公司 EMEA首席顧問Nigel Turner在DATAVERSITY? 企業數據治理在線會議上發言。“這是整個連續體的一個關鍵部分，您需要在組織內部有效地管理數據，”數據治理構成了這些戰略與業務實際實施之間的重要橋梁。
數據架構：它是什么？
該DAMA DMBOK2說，數據架構“定義的藍圖與組織策略相吻合建立戰略數據要求和設計，以滿足這些要求的管理數據資產。”特納指出，這個定義的三個關鍵部分，第一個是單詞“藍圖“這意味著任何沒有實施計劃的數據架構都可能會保留在架子上，直到永恒的迷霧上升為止。”
第二個關鍵部分是“與組織戰略保持一致。” 他說，數據架構必須直接與業務目標以及數據如何支持這些目標相關聯。第三部分是關于建立戰略數據要求。因為“任何有效的數據架構都必須具有前瞻性。”
他引用了Donna Burbank和Charles Roe 撰寫的題為“ 數據架構趨勢”的DATAVERSITY研究報告，指出了對該問題的一系列回答：“什么是數據架構？”
“我們在數據管理中遇到的一個問題是，如果您采用任何數據管理概念或術語或規則，不同的人會以不同的方式對其進行定義。”
無論如何定義，數據架構都必須具有一些具體的可交付成果，例如規范，不同抽象級別的主設計文檔，以及數據通過系統的所有容器和路徑的描述。如果沒有這些可交付成果，他說，“那么顯然，你實際上并沒有為企業提供任何有價值的東西。”
數據架構的典型可交付成果
標準可交付成果包括：
有關數據使用，指導原則，使用意圖聲明和問責機制的政策數據模型包括企業概念模型，邏輯數據模型，物理數據模型和特定于應用程序的邏輯數據模型數據目錄數據來源清單主數據或參考數據，以及廣泛共享的數據定義關鍵數據，包括詞匯表，詞典，定義和應用標準元數據及其管理方式數據沿襲和流經系統實施的路線圖“如果你已經掌握了所有這些東西，那么你就有機會獲得可行的數據架構。”
數據架構：如何失敗
試圖設計一個包含管理，處理，收集和存儲一切的架構：“避免沸騰海洋。將您的架構專注于對您的業務運營和運營至關重要的事情。“
由IT部門完全管理，驅動和設計的數據架構最終可能成為新技術的購物清單，而不是支持業務戰略的計劃。“尊重IT部門的人員，他們并不總是了解數據如何支持業務戰略的最佳人選，因此，架構需要如何發展以實現這一目標。”
如果沒有業務和IT方面的高級管理層的積極支持，成功的可能性就不大。“它不應該專門針對組織中間的人員。”
如果您的架構過于復雜，則不太可能保持最新狀態。特納分享了一個關于他作為顧問工作的公司的故事。該公司有一個非常詳細的數據模型覆蓋整個房間的墻壁。他們為這個模型感到非常自豪，但在幾年的時間里，特納注意到同一個模型在同一面墻上，沒有變化，這意味著它不僅僅用于墻面裝飾。
長期規劃很重要，但不要忽略具體的短期效益。他說，數據架構“如果你沒有附加硬件可交付成果，那仍然是一個夢想。”建立一些快速的勝利。
做對了
有效數據架構的主要功能包括與業務驅動因素保持一致的數據戰略，針對基本數據，描繪明確的活動和里程碑，并且足夠靈活，可以根據業務需求和可用技術進行發展。最重要的是，架構必須易于管理。“你永遠無法在任何地方整理所有數據。你需要專注于真正有所作為的事情。“
制定數據戰略
特納概述了數據戰略的簡單途徑。從業務戰略開始，確定哪些數據對支持該戰略至關重要。評估您擁有的數據并確定是否由任務決定，如果不是，請確定改進它所需的內容。特納指出，改進可能需要來自業務方面，而不是來自IT。例如，如果每個部門使用不同的代碼或術語來表示“客戶”，那么這顯然會影響業務戰略，可能需要改變以適應這一障礙。“
今天的數據：范圍，規模和復雜性
在過去十年中，公司和組織正在處理的數據量大幅增加。目前存儲的所有數據中有90％剛剛在過去兩年中創建。換一種方式：
“地球上有2.5個五分之一的沙粒。順便說一下，一個跟隨十八個零的人。每天創建三倍的數據字節數。所以，這個范圍和規模絕對是驚人的。“
然而，這不只是關于范圍和規模，他說。復雜性也是一個因素。因為許多公司還沒有掌握基礎知識 - 數據管理，數據質量以及確保所使用的數據符合預期目的 - “將來忘記所有新技術。這就是今天的現實。“
數據架構的業務驅動因素
商業智能和數據科學是數據架構的驅動因素，因為它們是IT領域的強勁增長領域。與此同時，降低成本，提高效率和遵守法規也為改善數據治理帶來了壓力。他說，另一個原因是，“我懷疑，目前大多數組織管理數據的現狀仍然很差。”
他引用了去年在“哈佛商業評論”上發表的一項研究。研究人員調查了75家公司，要求這些公司的高級管理人員檢查一系列記錄的準確性，這些記錄來自被認為對公司有效運營至關重要的關鍵系統。“結果真是令人震驚，”他說，因為一百個中只有三個記錄沒有錯誤。“在這75家公司中檢查的所有記錄中有97％存在一些可能影響業務績效的嚴重錯誤。”
特納表示，數據湖最大的問題是缺乏有效的數據治理。由于缺乏一致的數據定義和元數據，因此當人們訪問這些數據湖中的數據時，“他們并沒有得到最模糊的想法。”
他說，為了從數據中獲得洞察力而獲得高工資的數據科學家卻花費大部分時間做低級別任務，只是為了讓數據處于可用狀態。
“大數據和分析帶來的所有偉大承諾，以及公司正在收集的所有這些數據 - 實際使用的不到百分之一。”
他將目前的情況比作滅火過程，而不是采取積極主動的方式來預防火災。我們需要的是一個連貫有效的數據架構，重點是識別問題，創建解決方案，并建立預防性的主動治理。“換句話說，你可以阻止火災爆發，而不是等到火災發生，然后以反應的方式對抗它們。”
數據治理：從反應式轉變為主動式
特納分享了全球數據戰略對數據治理的定義：以業務為主導的持續流程，為所有數據利益相關者的利益改進數據。雖然最初的實施可能是作為一個項目開始的，但“最終，你要確保它作為業務流程在后臺運行，實際上與所有其他業務流程一起運行。”
數據治理的七個關鍵原則
必須主動管理數據
企業應負責領導治理工作
企業必須確定改進數據的優先級，關注哪些數據以及應該具有哪些影響
數據所有者必須對關鍵數據負責
數據管理員負責數據改進
IT提供了使數據治理在物理世界中真實的技術
組織中的每個人都必須作為任何數據治理活動的一部分
“每個組織都需要數據架構，但需要應用的程度和位置因組織而異，沒有人比治理專業人員更好地幫助架構師做出決策。”
他說，數據治理和數據架構相互支持和相互促進。Turner 分享了概述數據治理和數據架構之間協同作用的幻燈片，強調了兩者的關鍵優勢。
數據管理員可以識別關鍵數據以及數據狀態如何影響業務，這有助于優先構建和發展架構。數據所有者應該告知有關在架構中實現的數據的業務規則。業主和管家有能力作為冠軍并幫助建筑師為數據架構的更多投資建立一個案例，因為“他們將了解數據缺陷的當前含義以及以更有條理的方式管理數據的重要性，”他說過。
數據架構可以通過在物理層面上制定治理策略來支持數據治理，以便它們可以在現實世界中實施，而不僅僅是作為抽象概念。數據模型可以說明哪些數據需要治理，并且可以突出顯示參考和主數據集，Turner說，“需要成為組織中最密切的管理和擁有者。”數據架構有助于圍繞關鍵數據建立業務和IT共識，確保企業與IT合作執行已確定的優先事項。
使數據治理與數據架構保持一致
特納說你從哪里開始并不重要。重要的是，數據架構和數據治理的學科匯集在一起形成一個持續的改進周期，確保“您的數據越來越好，并根據業務需求不斷發展”。
特納以雅典衛城的照片結束了他的演講，以說明持久建筑的重要性。為了建造一座可以使用超過2500年的寺廟，希臘人花了很多時間練級和準備它所在的山丘的基礎。
“任何渴望對數據做同樣的組織，換句話說 - 創建一個持久的，可忍受的數據驅動的業務 - 應該認識到你需要數據架構和數據治理，并且他們需要共同努力，為未來。”
（部分內容來源網絡，如有侵權請聯系刪除）
