数据架构

• 较新的数据平台架构可参考

  常见的数据架构图

• 虽然各家的数据架构千奇百怪，但又万变不离其宗。对数据架构的详细展开，超出本人能力。简单将各类架构图汇总一处，想必也能起到近似的表达效果。

• 下图的数据架构较为偏向数据分析需求较多的企业，例如互联网公司、电信公司，对工业企业、贸易企业而言，还有别的信息系统建设需求，具体可参考《DAMA数据管理知识体系指南》等书籍。

数据架构的评价标准

数据架构，严格意义上，也是一个系统，只不过是“数据系统”。因此，能用在系统上的标准，如响应速度、可复用性、稳定性、健壮性等，也可以用在数据架构的评价上。但与应用类系统不同的是，数据系统面向的是决策，而不是需求，因此响应速度、可复用性就强调的更多一点。

• 响应速度：数据架构的主要场景包括：业务开发、数据产品、运营分析三大类，不论是那种场景，数据架构均应该在尽可能短的时间内响应需求；
• 可复用性：只有复用能力上来了，响应速度才能提上来，体现在下游依赖、调用次数、核心字段覆盖率等指标上；
• 稳定性：除了日常任务不出问题以外，一旦发现了问题，能在多短的时间内定位和恢复问题，就非常重要；
• 健壮性：除了电商等已经耕耘多年的领域外，绝大多数业务模型，都会快速的变化，如何适应这种变化，就非常考验架构功底。