5.业务架构·应用架构·数据架构实战 --- 业务驱动的数据架构设计

第5章 业务驱动的数据架构设计 
5.1 什么是数据架构（DA） 
	数据架构是通过对企业战略得到的数据资产管理蓝图。具体而言，该蓝图用于指导如何分析数据需求，如何做好相应设计。

	数据架构描述企业的：1)主要数据类型及其来源；2)逻辑数据资产；3)物理数据资产；4)数据管理资产；5)上述所有内容的结构和交互

	综上可见：
		1.数据架构的终极目标，是支撑战略
		2.数据架构的具体内容包括数据需求，数据设计，数据管理这三大块
		3.其中数据设计的内容，远远超过了数据模型设计，一般包括数据模型设计，数据存储设计，数据流设计

	数据架构的设计内容可以总结为五大方面：	
		1.数据类型及来源
		2.数据模型
		3.数据存储
		4.数据流
		5.数据管理

5.2 数据架构在全球的快速发展 
	【技术】从OLTP，到BI，到BigData
		数据库=文件+存取引擎+编程API

	【管理】从"数据架构"到"企业数据管理"

5.3 解读TOGAF的数据架构方法 
	【1】DA设计内容
	在TOGAF中，列举了如下目标数据架构设计内容：
		1.定义业务数据模型
		2.定义逻辑数据模型
		3.确定数据满足业务
		4.定义数据交换格式
		5.规定数据管理过程
		6.编写相关架构文档

	【2】DA设计步骤
		1.确定设计哪些视点
		2.开发基线数据架构
		3.开发目标数据架构
		4.进行差距分析
		5.识别能力增量
		6.架构影响评估
		7.干系人评审
		8.敲定数据架构
		9.创建架构文档

	TOGAF推荐的数据架构设计过程如下：	
		1.分析业务与应用需求
		2.定义合理的数据需求
		3.数据模型设计
		4.数据生命周期，数据流，数据接口，数据存储设计

5.4 实践攻略：数据架构的实际工作内容 
	【落地】实际的数据架构内容模型
	数据战略：
		1.需求
			数据类型及其来源(生产库，历史库，BI库，主数据，参考数据)
			(文本，日志，邮件，图片，声音，视频，IM，帖子，网页，位置，传感器)
			(元数据)
		2.设计
			逻辑模型(数据模型，数据生命周期)
			物理存储及其分布(数据存储，数据分布)
			数据流(数据流，数据沿袭，数据交换格式)
		3.管理
			数据管理(数据标准，数据质量，数据安全)

	【要点】数据需求=需要管理哪些数据类型
		需求规定做什么，设计规定怎么做。

		数据架构整个规划和设计过程，最重要的一点就是要做什么，即做好数据需求的分析。
			1.根据不同领域的业务需求，要识别生产库，历史库，BI库对应的数据类型。
			2.要做跨部门跨业务的分析，识别主数据对应的数据类型。
			3.大数据风潮已来，每个企业都在探索大数据的深度应用场景。这就需要识别类型广泛的非结构化数据和半结构化数据。

	【要点】静态设计=逻辑数据模型+物理存储与分布
		数据架构的静态设计方面，总的来说包括4点：
			1.数据模型设计
			2.数据生命周期设计
			3.数据存储策略设计
			4.数据分布策略设计

		逻辑数据模型，一般采用ER图设计。它和具体的物理数据模型独立，可以映射成不同的物理结构。

		在设计数据模型的同时设计数据生命周期。

	【要点】动态设计=数据流+数据沿袭+数据接口
		数据架构的动态设计包含3点：
			1.数据流 --- 定义数据传递与使用路径
			2.数据沿袭 --- BI 领域多见数据的抽取，转换，装载，清洗，脱敏，而数据沿袭用于明确数据和数据源头之间的追踪关系
			3.数据接口 --- 定义数据交换格式

	【要点】数据管理=数据标准+数据质量+数据安全
		数据管理包括：
			1.数据标准
				是指保证数据定义和使用的 一致性，准确性和完整性的规范性约束。例如，对企业数据的分类标准；数据的命名，数据类型，长度，
			业务含义，计算口径，归属部门等统一规范；数据质量标准。
				在数据标准中，规定数据的类型或数据域的划分最为常见。

			2.数据质量
				数据质量是围绕数据标准展开的检查，分析，提升工作，一个企业如果没有数据标准，它可怎么管理数据质量呢。

			3.数据安全
				数据安全包括 数据安全标准与策略，数据安全管理规范，数据安全审计规范等。其中<<数据安全标准>>可以认为是<<数据标准>>
			的子集，包含横跨技术维，系统维，管理维等数据安全规定。

5.5 实践攻略：业务驱动的数据架构设计步骤 
	【落地】设计步骤
		业务驱动，落地的数据架构设计过程：
			1.上接业务
				分析数据需求，识别数据类型。
			2.静态设计
				设计数据模型，定义生命周期。
				规划数据存储，设计数据分布。
			3.动态设计
				数据流，数据沿袭，数据交换格式设计。
			4.数据管理
				根据需要，定义数据标准，数据质量，数据安全等规程。

	【揭秘】业务驱动的数据建模
		数据模型是数据架构的核心。

		数据建模是业务驱动的。业务是果，数据是因，业务驱动就是以果导因。

		不同粒度的业务定义能驱动不同粒度的数据建模：
			1.业务主题，业务域【巨粒度】 --- 发现数据域
			2.业务流程【粗粒度】 --- 发现数据实体，属性，关系
			3.功能、特性【中粒度】 --- 细化数据实体，属性，关系
			4.业务规则【细粒度】 --- 细化数据实体，属性，关系

5.6 实践案例：电商系统——业务驱动的数据建模串讲 
	【1】巨粒度 --- 业务主题驱动的数据建模
		UC 矩阵可以作为发现数据域，识别数据类型的主力工具 --- 为数据建模"打头炮"。它的纵横两维：
			1.每