数据架构在华为的理解：四大核心组件及实施方法，附案例39页PPT-EA之家

附件为39页PPTPDF文件。

在华为的视角下，数据架构不仅是支撑企业信息化建设的技术框架，它更是企业数字化转型的基础设施，是推动业务增长、管理决策和持续创新的核心组成部分。华为在其交流材料中，提出了一种完整且可落地的数据架构方法论，这一方法论通过四个核心组件构建，确保企业能够全面、有效地管理和利用数据资源。

定义与作用：
数据资产目录是数据架构的核心部分，它的作用在于为企业提供清晰的、结构化的数据资源目录，确保每一项数据资产都有明确的归属和责任。华为的观点是，数据资产目录不仅仅是一个“数据清单”，它更像是一个企业级的信息地图，用于描述数据的流向、责任人及其使用规范。

实施步骤：

分层级管理：

华为建议将数据资产目录分为五个层级，分别是：
- 主题域分组
  
  ：对企业内所有数据进行高层次的分类，确保数据归属清晰。
- 主题域
  
  ：更具体的领域划分，如财务、营销、客户管理等，确保每个领域内的数据能够被精细化管理。
- 业务对象
  
  ：如客户、订单、产品等核心数据对象，每个业务对象都应具备唯一标识、稳定性和可跨部门共享引用。
- 逻辑数据实体
  
  ：即业务对象的详细表达，通常是基于规范化的数据库表格或视图。
- 属性
  
  ：每个数据实体的属性定义，如数据类型、格式等，确保数据的标准化和一致性。
数据血缘与责任划分：
- 数据血缘管理：
  
  确保数据从创建到消费的流动路径清晰，能够追溯数据的源头、流向及最终的使用者。
- 责任人明确：
  
  每一项数据资源都应该有明确的“Owner”，确保数据的管理和使用不被遗漏。
数据访问控制与使用规范：
- 权限管理：
  
  对于敏感数据，需要制定清晰的访问权限和数据使用规则。
- 标准化数据访问接口：
  
  提供统一的数据访问标准和接口，以支持跨部门数据共享。

通过这一系列措施，华为的数据资产目录不仅能帮助企业盘点数据资产，还能促进数据在各业务领域之间的高效流动和复用。

定义与作用：
数据标准是企业数据架构中的基础，它确保数据在整个企业内有统一的理解和使用规则。在华为的架构中，数据标准不仅涵盖了字段名称和格式规范，更重要的是，数据标准是对业务术语和数据规则的统一。华为强调，数据标准的建立应当从业务术语入手，确保业务和技术团队对数据有一致的理解。

实施步骤：

统一业务术语：

华为主张在数据标准化过程中，首先要统一企业内的业务术语。例如，如何定义“客户”，如何定义“订单”，不同部门和系统对这些术语的定义必须一致。这是避免数据孤岛、确保跨部门协作顺畅的基础。
数据质量规则：

数据标准应当包括对数据质量的要求，如数据的准确性、完整性和一致性。华为提到，数据标准不仅是对数据字段的定义，还应包括数据采集、清洗、存储和使用过程中质量的控制。
数据格式与类型规范：
- 字段定义：
  
  对每个数据字段的格式、类型、长度等进行统一规范，避免出现因格式不一致导致的数据错误。
- 数据的编码标准：
  
  为了支持跨地域、跨系统的数据流通，制定统一的数据编码和格式标准。
数据治理规则：
- 数据责任人：
  
  每个数据项应当有明确的责任人，确保数据的质量和完整性。
- 数据更新与维护：
  
  制定清晰的数据更新规则，确保数据的及时性和准确性。

通过这些数据标准的实施，企业可以确保数据在不同的系统和部门之间流动时，始终保持一致性和可用性。

定义与作用：
数据模型是将业务对象转化为数据结构的重要环节。华为的观点是，数据模型应该从业务需求出发，而不是从表结构或数据库设计出发。每一个数据模型都应基于业务对象的需求，具有唯一性、可识别性和可共享性。

实施步骤：

概念模型：

概念模型是对业务对象的高层次抽象，是业务人员和技术人员之间沟通的桥梁。在这一阶段，企业应该对核心业务对象进行描述，确保不同部门对业务对象有统一的理解。
逻辑模型：

逻辑模型是在概念模型基础上的进一步细化，描述了数据之间的关系、规则和结构。它不仅仅关注数据的存储方式，还要定义数据流转的路径和业务规则。
物理模型：

物理模型则是具体的数据库实现方案，关注数据库的性能、存储和查询效率。华为特别强调，物理模型应根据业务需求和技术架构来设计，而不是单纯优化数据库性能。
数据模型的迭代与优化：

随着业务需求的变化，数据模型应该能够灵活调整，确保其能够支持新的业务场景。

通过这三个层次的模型设计，企业能够实现从业务到技术的顺畅过渡，避免数据与业务需求脱节。

定义与作用：
数据分布关注的是数据如何在系统和流程之间流动、存储和消费。华为强调，数据分布不仅仅是指数据的物理存储位置，更重要的是如何确保数据的流动路径清晰、可追溯，并且避免冗余存储。

实施步骤：

数据流转路径设计：

确保数据从创建到消费的每一环节都有明确的流程和责任人，避免重复采集和冗余存储。
数据源与集成：
- 数据源确认：
  
  确定每一项数据的源头，并确保数据源的质量。
- 数据集成：
  
  设计和实现数据集成接口，确保数据能够高效、安全地在不同系统间流动。
数据安全与合规性：
- 访问控制：
  
  确保数据在流转过程中的安全性，避免未授权访问。
- 合规性审计：
  
  确保数据分布符合相关法规和标准，尤其是在跨境数据流动和数据隐私保护方面。