数据架构管理的数字化与数字化管理
The following article is from 数据治理周周谈 Author 聪聪
经过多年信息化建设，商业银行普遍积累了大规模的数据，其内容也日趋丰富。随着大数据、人工智能等技术快速发展，数据资产价值凸显。开展数据治理、挖掘数据价值、优化数据架构管理、推动智能化应用，成为商业银行推动经营管理变革，实现进一步数字化转型的重要手段。
今天就让我们来聊一聊商业银行在数字化转型中，数据架构管理中的那些事吧！
谈到数据架构，其中一般包括数据技术、数据服务、数据应用三个层面，即以数据计算平台为基础、以数据治理平台为手段、以数据服务平台为支撑、以数据分析平台为环境，从而支持营销、风控、经营决策等业务应用。
数据架构管理首先要思考要管理哪些内容？怎么管？不难想到，任何管理的出发点都应是需求驱动，那么数据架构管理就是通过相关数据的收集、监控、分析、优化重组等手段建立一套集计算、分析、服务于一体的大数据服务生态体系的过程。考虑到数据架构内容本身就是各类数据的集合，而数据又是在不断产生和变化的，那么数据架构管理的数字化就显得尤为重要。
凭空想象出来的数据架构也只是空中楼阁，因此相关元数据的采集可以先试先行。元数据采集是数据架构管理的底层基础。企业中业务发展所产生的元数据直接反映了当前数据架构的现状、数据分布、数据容量、数据流交换和数据模型。若企业要进行数字化管理，首先要将这些架构管理的内容量化，然后以此类数据的采集、追踪、存储、分析等手段，为数据架构的管理、调整以及优化提供数据依据与支撑。例如，数据仓库、报表系统、历史库的计算资源、脚本信息等，在具体实施过程中可以分为：
业务元数据：包括业务活动中常用的业务概念、业务数据定义、业务规则、计算公式、数据管理制度信息和所属部门、数据安全定级等信息。
技术元数据：包括库表信息、脚本信息、物理设备信息等。
操作元数据：包括执行日志、抽取历史和结果和访问数据的细节等。
元数据的采集工作，可以说是为数据架构的数字化管理迈出了第一步，那么有了底层基础该如何应用到实际工作中呢？这就是我们下面要谈的数据架构的数字化管理。
只采集好元数据，没有具象的内容，管理人员对这些数据还是没有切身的体验。对他而言，企业数据架构还是抽象并且较难描述的，此时数据架构的可视化就派上用场了。
数据架构管理的目的是为了更好的使用数据，数据又是描述一件事务最有说服力的媒介，首先我们是想的是怎么展现现有数据框架下的主要内容，以及这些数据之间的关系。常见的数字大屏设计或许能给我们一些启发。除了类似于数据容量监控、服务调度关系展现等，对于数据架构中的业务视角部分，我们还可以使用BI工具提供灵活的展现支撑，推动数据可视化向数样分离方向发展，更好的展现业务活动中的个性化的全局数据监控以及数据化运营的情况。
同时，数据架构的调整优化也可以基于数字化管理来进行。例如，通过采集而来的技术元数据，经过分析调整，可以优化现有数据布局，提升数据存放使用效能。源数据方面，可以推动各产品应用遵循业务逻辑架构模型成果，开展分层解耦，优化数据源分布。衍生数据方面，可以通过优化数据仓库与其他知识数据库，实现业务数据的互补与融合。
为了用好数据，数据架构管理也应考虑建立数据标准体系，也就是我们之前说过的推动数据标准化，建设标准化数据服务。参考国家标准和行业标准，坚持“定义统一、口径统一、名称统一、来源统一、参照统一”的原则，建立统一的企业级数据标准。
数据架构管理是业务、数据、技术需要融合的产出物。它帮助业务部门及客户实现推进了业务数据化，也帮助了数据及技术方实现数据业务化，是业务、数据、技术变得水乳交融，密不可分的催化剂。
不断优化的数据架构为各种应用提供服务及创新的可能，提高了效率，降低了成本。在服务创新带来的业务优化过程中，又有新的数据反馈产生，而这些数据回流形成闭环，融入到数据架构管理过程中，持续为企业管理提供优化。
联系我们
扫描二维码关注我们
微信：DaasCai
邮箱：ccjiu@163.com
QQ：2286075659
热门文章
我们的使命：普及数据管理知识、发展数据管理工程师行业、改变中国企业数据管理现状、提高企业数据资产管理能力、推动企业走进大数据时代。
我们的愿景：凝聚行业力量、打造数据工程师全链条平台，培养不同层级数据工程师人才、构建数据工程师生态圈。
我们的价值观：分享数据管理知识，持续提升数据管理和运营能力。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工程师
微信号：sjgcs
构建数据工程师生态圈