zhulangfly的专栏

从现实世界发展到智慧世界，要数经历**现实世界、信息世界、计算机世界、数据世界、智慧世界**五个不同的世界，我们天生具有从混沌的世界抽象信息变为信息世界的能力，但是到另外几个世界需要我们懂得计算机知识，懂得如何更好地把数据保存并应用到计算机中，这种能力就是数据建模能力，具体来说就是要搞懂数据模型，以及数据模型的三种境界——概念模型、逻辑模型、物理模型，接下来一起聊聊...

这几天朋友圈、订阅号、新闻推送频繁出来的消息是国家要成立数据局，“3月7日下午，根据国务院关于提请审议国务院机构改革方案的议案，组建国家数据局，一个全新的机构即将诞生”。可见国家是多么的重视数据建设，也庆幸自己的工作也在这个领域，这两天也在看相关报道，大部分都是宏观的，专家解读也很到位，感觉未来形势一片大好。赶着热点，根据个人的认识，也聊聊政府数据开放，请不要盲目乐观，未来道阻且长......

2022年底DataFun发布《DataFun数据智能知识地图》，一看就做得很用心，内容涵盖数据采集与治理、数据架构、数据能力、数据应用等四大领域、15大数据模块，拆解了数据流转全流程。其中，就包含数据仓库、大数据平台、数据中台的定义，但是我确实不太认同，乍一看就感觉不太对，怎么成了“洋葱模型”，大数据平台成了最里层。难道我们几年前称呼的大数据平台就没有了数据应用服务，也没有了面向主题的数据集合。我们还是找几篇以前的论文看看，看看那个时代我们对这些名词是怎样的认知......

2023年1月4日，信通院发布了《数据中台能力成熟度模型》框架，不由让我浮想联翩，之后是不是还会出现业务中台、技术中台、AI 中台、算法中台的能力成熟度模型呢。不知道为什么，按理应该同时公开发布的文档截止到1月30日在网上也没有找到，只是查到发布会的部分PPT，大致浏览了一下，依然是熟悉的套路，基于能力成熟度模型（CMM）思想，划分为5个等级，6个域，每个域又划分为若干个子域，每个子域中有若干个能力项，每个能力项有若干个分级要求，根据这些具体的能力要求，对企业现状打分，就能得出企业当前数据中台能力状况。

从上述两个图可以直观的感受数据血缘的本质是什么，数据血缘（Data Lineage）即数据的来龙去脉，记录数据如何转化而来，流向何方，用可视化技术细粒度的刻画了数据从源流向终端用户的路径，帮助数据科学家洞察数据，发现数据错误的根源。数据血缘和数据起源（Data Provenance）含义相似，主要区别在于数据起源是面向业务人员，在数据更高层级揭示了数据的产生，而数据血缘更加细粒度，在业务层级和技术层级提供了一个更细粒度的视角。数据血缘号称数据的GPS，在数据治理中隶属于元数据管理的范畴。粒度级别说明。