Zachman 框架—问询沟通：
- 什么 What：目录列，构建架构的实体。
- 怎么 How：流程列，表示执行的活动。
- 在哪里 Where，分布列，业务位置和技术位置。
- 谁 Who：职责列，角色和组织。
- 时间 When：时间列，表示间隔、事件、周期和时间表。
- 为什么 Why：动机列，表目标、策略和手段
Zachman 框架—重新定义转换：
- 1）高管视角（业务背景）：定义不同模型范围的业务元素目录。
- 2）业务管理视角（业务概念）：明确管理层在定义的业务模型中所涉及的不同业务概念之间的关系。
- 3）架构师视角（业务逻辑）：作为模型设计的架构师细化系统需求，设计系统逻辑模型。
- 4）工程师视角（业务实体）：作为具体模型建造者的工程师，在特定技术、人员、成本和时间限制内，优化和实施为具体应用设计的物理模型。
- 5）技术人员视角（组件程序集）：采用特定技术、脱离上下文语境的视角，来解释配置模型的技术人员如何使用、组装和实施配置组件。
- 6）用户视角（操作类）：参与人员所使用的实际功能实例。该视角没有模型。

企业数据架构

定义：定义对组织非常重要元素的标准术语和设计。企业数据架构的设计中包括业务数据描述，如数据的收集、存储、整合、移动和分布。
具体如下：
- 1）企业数据模型（数据结构、数据规范）。
- 2）数据流设计。

在企业数据架构中概念如下：

数据：需要安全、集成、存储、记录、分类、共享的报表和分析，最终交付使用。过程中数据可能会被：验证、增强、链接、认证、整合、脱敏处理以及用于分析，直到数据被归档或清除。

企业数据模型：是一个整体的、企业级的、独立实施的概念或逻辑数据模型，为企业提供通用的、一致的数据视图。简化抽象的。包括：数据实体（如业务概念）、数据实体间关系、关键业务规则和一些关键属性。

数据流设计：定义数据库、应用、平台和网络（组件）之间的需求和主蓝图。展示数据在业务流程、不同存储位置、业务角色和技术组件间的流动。

企业数据模型：采用行业标准模型能加快开发企业数据模型的效率。随着企业需求变化，企业数据模型中的范围和各层级内容也会扩张，可以用不同层级增量和迭代方式来构建。每个企业数据模型中的实体应仅属于一个主题域，但可和任何其他主题域相关联。企业概念数据模型是由主题域模型相结合构建，可自上而下，也可自下而上。

主题域的识别准则必须在整个企业模型中保持一致。常用的主题域识别准则：使用规范化规则，从系统组合中分离主题域，基于顶级流程（业务价值链）或者基于业务能力（企业架构）从数据治理结构和数据所有权（或组织）中形成主题领域。如果主题域结构是使用规范化规则形成的，那么它对于数据架构工作通常是最有效的。规范化过程将建立承载/构成每个主题域的主要实体。

数据流：记录数据血缘的数据加工过程，用于描述数据如何在业务流程和系统中流动。源于哪，在哪存，如何转化，数据血缘分析有助于分析解释数据流中某一点上的数据状态。

数据流映射记录了数据与以下内容的联系：

业务流程中的应用。
某个环境中的数据存储或数据库。
网段（有助于安全映射）。
业务角色（描述哪些角色有职责创建、更新和删除数据）。
出现局部差异的位置。

数据流可以用于描述不同层级模型的映射关系：主题域、业务实体，乃至属性层面的映射关系。用二维矩阵或数据流图呈现。

2、活动

简化数据和企业架构的两种方式：

面向质量(与传统一致)。
面向创新（不用面面俱到）。

2.1 建立企业数据架构

建立企业架构包含的工作：（可并行或串行）

战略。选择框架，制定方法，开发路线图。
沟通与文化。
组织。明确责任和职责。
工作方法。与企业架构保持一致。
结果。在总体路线图中产出。

企业数据架构会影响项目和系统开发的范围边界:

定义项目数据需求。通过数据架构为企业提供每个项目的数据需求
审评项目数据设计。通过设计审评来确保概念、逻辑和物理数据模型与架构一致，与组织的长期策略一致。
确定数据溯源影响。确保数据流在应用中的业务规则一致并且可追溯。
数据复制控制。复制是一种常见的，能够提供改善应用性能和便于获取数据的方法，但是也有可能导致数据的不一致。数据架构治理能保证充分的复制控制 (方法和机制) 来达到所需的一致性(并不是所有应用要求的严格程度都一致)。
实施数据架构标准。为企业数据架构生命周期制定和实施标准。标准可以表示为原则、流程、指南和规划蓝图
指导数据技术和更新决策。数据架构与企业架构一起管理每个应用的数据技术版本、补丁和数据技术路线图策略。

建立企业架构的步骤：

1 现有数据架构规范评估
2 开发路线图：描述了 3-5 年发展路径。路线图应以数据管理成熟度评估为指导
- 路线图包括：
  - 1 ）高层次里程碑事件。
  - 2 ）所需资源。
  - 3 ）成本评估。
  - 4 ）业务能力工作流划分。
- 开展步骤：业务数据驱动路线图可以从最独立的业务能力开展，再处理相互依赖程度较高的业务能力。
3 在项目中管理企业需求
- 开展步骤：在项目级别上，通过数据模型定义需求的过程是从审查业务需求开始的。通常，这些需求是特定于项目目标的，不会对企业产生影响。该过程还应包括开发术语定义和支持数据使用的其他活动

企业数据架构项目相关的活动：

定义范围。保证范围和接口与企业数据模型一致。
理解业务需求。获取数据相关的需求，如实体，资源，可用性，质量和痛点，业务价值。
设计。形成细的目标规范。
实施（什么时候购买。什么时候重用数据。什么时候构建。）

2.2 整合其他企业架构

架构活动嵌入到项目过程采用的方式：

瀑布方式。
迭代方式。
敏捷方式（DevOps）

3、工具

数据架构工具：

数据建模工具。
资产管理软件。(用于管理数据资源目录，描述其内容及跟踪它们之间的关系)
图形设计应用。

4、方法

4.1 生命周期预测

架构设计面向的对象：

当前的。
部署周期的。
策略周期的。
退役的。
优先的。
限制的。
新兴的。
审核的。

4.2 图标使用规范

图标使用规范：

清晰一致的说明。
所有图表对象与说明相匹配。
清晰一致的线条方向。
一致的交叉线显示方法。
一致的对象属性。
线性对称。

5、实施指南

数据架构包括构件、活动、行为。

数据架构实施工作内容：

建立企业数据架构团队和举办问题讨论会。
生成数据架构版本。
在开发项目中，形成和建立数据架构工作方式。
提高组织对数据架构工作价值认识。

5.1 就绪评估和风险评估

就绪评估和风险评估：

缺少管理层支持。
成功与否缺乏证据。
缺乏管理者的信任。
管理层不正确的决策。
文化冲击。
缺乏有经验的项目经理。
单一维度视角。

5.2 组织和文化

组织和文化依赖(对数据框架的接受度取决于)：

对架构方法的接受度。
确认数据属于组织的业务资产，而不仅是 IT 的任务。
放弃局部数据视角，接受企业级数据视角的能力。
将架构交付成果整合到项目实施中的能力。
规范数据治理的接受程度。
立足企业布局，而不局限于项目交付成果和 IT 解决方案的能力。

6、数据架构治理

6.1 数据架构治理活动

数据架构治理活动：

项目监督。
管理架构设计、生命周期和工具。
定义标准。
创建数据相关构件。

6.2 度量指标

数据构架度量指标：

1.架构标准接受率：测量项目与已建立的数据构架的紧密程度及项目与企业架构参与流程的遵循度
2.实现趋势。
- 1）使用/重用/代替/废弃测量。
- 2）项目执行效率测量
3.业务价值度量指标。
- 1）业务敏捷性改进。
- 2）业务质量。
- 3）业务操作质量。
- 4）业务环境改进

DAMA-DMBOK2重点知识整理CDGA/CDGP——第4章数据架构

一、分值分布

二、重点知识梳理