1、为什么需要构建数据架构
数据标准不一致（列名相同数据类型不同、列明相同数据类型相同长度不一、列名没有统一标准识别困难、列名定义不统一类型不一致长度不相同、中文名称相同英文缩写不同或英文缩写相同中文名称不同）
数据标准化管理提些（构建动态单词库，标准遵循度自动检测，标准自动应用，标准管理流程化，构建知识库基础内容，为大数据应用提供统一标准）
标准化管理实施成果，用语校验机制（申请、校验、标准知识库、检验结果报告）
标准对象的自动应用（基于底层知识库将逻辑数据模型转换成相应的物理模型，自动转化）
数据模型管理混乱（校验较差、逻辑结构不一样、反复增加相同表结构、表真正字段没有进行注释）——设计、校验、扩展
数据模型骨骼
数据模型优化方式（数据库参数优化10%、执行计划优化（hint）30%、索引和SQL优化50%、数据模型的优化80%）；
SQL语句编写水平不高导致出现严重性能问题（对开发人员执行计划不熟悉）；
上线之前的审计体系（与上线之前测试工作并行进行，抓去SQL及执行计划）
相对复杂的数据处理能力欠缺
数据质量查需要执行数据质量管理（质量标准及诊断对象定义、剖析、BR定义、数据质量诊断、数据质量改进）；
2、如何构架数据架构
开发需求、应用架构、运维架构、技术规划-》数据架构、业务架构、技术架构、应用架构；
数据架构管理对象、数据架构管理流程、数据架构管理组织、管理系统（数据质量管理系统、配置管理系统）；
数据架构各个角色及人员
数据架构部门的角色及工作（数据架构（构建数据架构、制定管理体系、标准化）、数据模型（概念、物理、逻辑模型设计、培训）、程序开发（开发技术支持、形状管理、编写核心SQL）、数据迁移（迁移技术支持）、测试及优化（TUNING、设计最优索引、提出问题解决方案））
3、数据架构管理体系
规范、政策、管理、标准管理、结构管理、审核及管理、企业信息系统；
人员培养、组织形成、工具采购、管理认同（上层关注度）；
来自开发（设计争执）、运维（技术反对）、领导方面阻力（短期难以见成效）；
数据架构是企业架构中的一个重要组成部分（开发、应用、技术、数据）；
内部工作流程（需求登录、适当与需求进行技术讲解、适当了解模型、进行数据需求进行数据模型进行重新设计及变更、数据架构师进行模型审计与审批、自动生成DDL（DBA）、基于业务规则校验数据质量影响、数据错误分析及清洗、相关程序分析）：人+规则+技术；
4、数据架构师成长
认知（定义、从事工作、能力、位置与职业生涯）；
学习（途径、培训及书籍、经验学习、相关活动）；
实战（理论落地、扩大影响里、星星之火），可从模型审计及SQL优化着手；
成熟（稳定数据架构在企业系统设计、开发、运维地位，形成四足鼎立）；
学习技术（企业架构、数据质量管理、数据需求分析、数据标准化、数据建模、数据库设计及应用）
联系客服
