1、企业数据架构实践指南2025前 言随着新一轮科技革命和产业变革深入发展，数据作为关键生产要素的价值日益凸显，标志着以数据为关键要素的数字经济进入新时代。数据要素的规模报酬递增、低成本复用、融合创新等特点，正在催生新业态新模式，培育经济发展新动能。数据架构是对数据资源基本特性的描述和管理，企业数据架构立足企业全局视角对全量数据资源进行统一管理和规范，为数据要素驱动的新业态、新模式提供最基础支撑。一方面企业数字化改革转型的持续深入，应用系统之间和数据应用场景之间的关联关系愈发复杂，数据架构已经成为深度刻画企业数字化环境的核心手段，支持更高水平的应用集成和数据集成。另一方面以数据质量和数据安全为代表的企业数据治理工作要求持续提高，亟需数据架构管理作为核心枢纽进行数据管理一体化能力的贯通。本指南对企业数据架构的概念、框架和管理活动进行了阐述，提出企业数据架构实践的意义和误区，结合典型企业实践案例进行分析，并展望了未来企业数据架构的发展趋势。目 录一、企业数据架构概述（一）数据架构典型框架1（二）企业数据架构管理意义3（三）企业数据架构管理挑战4二、企业数据架构框架（一）企业数据架构管理定义5（
2、二）企业数据架构管理定位5（三）企业数据架构参考框架7三、企业数据架构管理活动（一）数据架构规划9（二）数据标准管理10（三）数据分布管理13（四）数据模型管理16（五）主数据管理17四、企业数据架构误区（一）过度强调技术的先进性19（二）过度依赖 IT 架构能力19（三）数据架构与项目开发脱节19（四 ) 将湖仓等同于数据架构20（五 ) 数据架构局限在 IT 部门20（六 ) 数据架构不是必选项20五、企业数据架构案例（一 ) 东方航空21（二 ) 平安人寿26（三 ) 交通银行30（四 ) 中车浦镇33六、企业数据架构展望图目录图 1 数据架构与其他架构的关系6图 2 数据架构与数据管理活动的关系7图 3 企业数据架构框架8图 4 企业数据架构管理活动9图 5 数据标准间关联关系10图 6 指标数据构成11图 7 数据标准与数据模型的关系12图 8 业务架构下的数据流关系13图 9 业务流程 CU 矩阵13图 10 业务流程 CU 矩阵14图 11 零售企业数据仓库总线矩阵15图 12 数据采集接口清单15图 13 企业级数据模型分层框架16图 14 企业级数据模型应用和管控路径
3、17图 15 东航数据架构体系22图 16 东航数据模型主题域划分23图 17 东航主题概念数据模型24图 18 东航数据模型管控流程25图 19 东航概念模型航班运行领域25图 20 东航航班飞行领域逻辑模型25图 21 平安人寿数据底座全景27图 22 平安人寿数据底座 ADS 建设27图 23 平安人寿企业架构元模型28图 24 交通银行数据架构领域31图 25 双“T”数据模型31图 26 数据标准管控流程32图 27 浦镇公司数据质量稽核示例35图 28 浦镇公司概念模型 - 售后管理域36图 29 浦镇公司逻辑模型示例 - 售后管理域37图 30 浦镇公司数据分布视图示例37图 31 浦镇公司数据应用38一、企业数据架构概述本章聚焦企业数据架构在实践过程中面临的机遇和挑战，梳理了典型数据架构理论框架的特点和使用情况，阐明企业数据架构管理的重要意义，为理解企业数据架构提供宏观概念。（一）数据架构典型框架在企业架构实践和数据管理实践的推动下，企业数据架构已经形成了多种不同的框架理论，为企业数据架构的规划、建设和管理工作提供了理论和实践指导。下文中列举了国内外典型的数据架构（包含
4、信息架构，在本文中不作区分）理论框架，这些框架都是在企业实践中广为传播和使用的，是当下业界开展数据架构相关工作的理论基础。Zachman 1987 年Zachman 在信息系统架构框架中提出了首个企业架构框架，被业界视作企业架构的源头。该框架主要表现为一个 6 行 6 列的矩阵，6 行是基于 5W1H 的分类，即 Why（动机）、What（数据）、Who（角色）、When（时间）、Where（分布）、How（功能），6列是基于不同人员的视角（高层、业务管理者、架构师、工程师、技术员、企业用户），完成从抽象概念到实例的转换（识别、定义、表示、详述、配置、实例化）。Zachman 架构框架给出了企业架构内容的描述和分类，确保每个干系人的每个关注点都被照顾到、并有效地串联成一个完整的体系，提供了一种有效分解复杂企业系统的方法。IFW IFW（Information Frame Work）是由 IBM 为金融服务行业量身定做的信息架构。IFW框架的核心内容涵盖了企业模型、数据模型、功能模型、数据仓库模型等多个方面，通过整合不同的技术和业务模型，支持银行与金融机构的数字化转型和业务升级。通过核心
5、系统建设、数据仓库建设等方式，IFW 在国内银行业机构中得到了广泛应用。虽然 IFW 起初是为金融服务业开发的产品，但是其核心理论方法在各行业中同样适用。TOGAF TOGAF 标准是 The Open Group 的企业架构标准， 目前最新版本为第 10 版。 TOGAF 是目前全球市场认可度最高、使用最广泛的企业架构框架及实践指南。在 TOGAF 框架中，数据架构是企业架构的关键组成部分之一，定义了数据收集、存储、整合、访问和使用的策略、模型和标准。TOGAF 框架中数据架构部分由数据模型、数据流、数据字典、数据标准、数据治理等组成，旨在确保数据一致性、支持业务需求、提高数据质量、促进数据共享利用。39DMBOK DMBOK 是国际数据管理协会（DAMA）的数据管理知识体系，是当前业界开展数据管理工作的重要参考理论，也是数据治理从业人员的学习教材。DMBOK 强调数据架构是数据管理的基础，数据架构由企业数据模型和数据流设计组成，并指出简化数据架构这一复杂问题的两种方式，一是面向质量，专注于业务和IT 开发周期内的数据架构改进；二是面向创新，专注于业务和 IT 转换。FEAF 在克林
6、格 - 科恩法案法案的推动下，美国联邦政府在 1999 年发布了 FEAF（Federal Enterprise Architecture Framework）框架，用于指导联邦政府各部门创建企业架构。FEAF 框架通过绩效参考模型、业务参考模型、数据参考模型、应用参考模型、基础设施参考模型和安全参考模型描述战略、业务、数据、应用、基础设施和安全六个子架构。FEAF 框架主要包括 8 个部分，分别是体系架构驱动、战略方向、当前体系架构、目标体系架构、变化过程、体系架构模型和标准。DoDAF DoDAF（美国国防部体系结构框架）是支持国防部首席信息官履行克林格- 科恩法案所要求的架构开发和维护职责的主要支柱之一。DoDAF 起源于 Zachman 框架，由 C4ISR 体系架构框架演化而来，使美国国防部各级管理者能够打破国防部、联合能力域（JCA）、部门或项目等层次界限，实现有序的信息共享，提高关键决策能力。最新的 DoDAF 2.0 以数据为中心，以支持核心决策过程、开发符合用户需要与目的为根本出发点，是一个真正实现以数据为中心的全新架构框架。DoDAF 2.0 定义了数据与信息、能力
7、、作战等 8 个视图，可以全方位、全过程的对复杂军事系统的分析设计提供路线图和建模框架。DCMM GB/T-36073数据管理能力成熟度评估模型（简称“DCMM”）是我国首个数据管理领域正式发布的国家标准。在 DCMM 中数据架构是关于企业如何组织和设计数据资源的整体规划，旨在确保数据在企业内部的流通、集成、共享，以及管理的一致性和有效性。DCMM 的数据架构域包括数据模型、数据分布、数据集成与共享和元数据管理。随着 DCMM 贯标评估工作在全国范围内的持续、深入开展，DCMM 中对数据架构管理的能力要求得到了企业的广泛重视和采纳，并以 DCMM 框架作为企业自身开展数据架构管理的重要指导理论。华为数据之道华为数据之道中介绍了华为的企业级信息架构，以结构化的方式描述在业务运作和管理决策中所需要的各类信息及其关系的一套整体组件规范，包括数据资产目录、数据标准、企业级数据模型和数据分布四个组件。该框架是华为在实践过程中构建的一套对业务运作数据进行有效管理的信息架构方法论，用于指导企业内部各部门的信息架构建设工作，让管理者、专家和员工之间有共同语言。华为企业级信息架构在业界得到了广泛传播和应
8、用，特别是数据资产目录 L1-L5 的 5 层架构体系，已经成为诸多企业描述自身数据架构的核心框架。（二）企业数据架构管理意义数据架构在企业的整体架构中起到了承上启下的关键作用，作为连接纽带向上支持业务架构，向下驱动应用架构和技术架构。数据架构作为数据管理工作的核心指引手册，扮演着至关重要的角色。它不仅是数据治理的基石，更是企业数据战略实施的蓝图，为数据管理工作提供了明确的指导和方向。指导数字化规划 数据架构站在企业级视角，建立数据模型和数据流向，为业务系统建设、重构、优化提供输入，包括数据模型及集成关系的落地等，为企业的数字化规划提供了清晰的数据蓝图，能够帮助后续信息化项目简化、省去调研和梳理业务及数据的过程，有助于应用系统的快速迭代和优化，避免重复建设。促进数据互联互通 关注数据应用的程度越深，则对数据架构的管控力度则越强。企业数据架构对数据互联互通起着决定性作用，直接决定了数据应用的程度和水平。企业数据架构通过定义统一的数据标准、构建数据集成平台、优化数据流通路径以及强化数据安全机制，确保了企业内外数据资源的无缝对接与高效共享，促进了不同系统、不同部门之间的数据流通与协作。提升数
9、据一致性 企业数据架构通过对数据描述、数据分布、数据流动的约束和管理，有利于统一数据定义、确认权威数据源、消除冗余数据、消除数据混乱，确保在数据生命周期全过程的一致性和标准化，为数据需求的理解、部门间沟通协调、数据质量主动设计提供根本保障。提升数据处理效率在大数据技术性能提升和资源追加投入的基础上，通过企业数据架构提供结构化的效率提升方式，从根本上减少不必要的数据处理环节、优化数据流转链路、科学追加存储和计算资源，从而在全局层面提高数据查询、处理、传输等工作效率，减少延迟、开销和冗余。同时还可以显著降低数据维护成本，提高自动化水平并减少人工干预和错误。降低企业管理风险数据和 IT 系统是企业风险管理的基础，构建与业务模式、经营结构和风险配置相适应的数据架构，有利于企业应对海量的内、外部风险数据，为各类风险的识别、计量、监测和控制提供数据基础。良好的企业数据架构为风险数据加总、风险暴露、风险报告、信息披露等提供支持，提高内控合规水平并降低企业管理风险。（三）企业数据架构管理挑战企业数据架构管理得到了众多企业的重视，并将架构作为优先管理内容，但是受数据结构、管理协同、存量系统等现实因素的影响，数据架构在执行层面面临严重挑战。多模态数据管理难 在企业数字化转型的浪潮中，多模态数据管理难题愈发凸显，涉及结构化、半结构化和非结构化数据的并存与复杂交互。多源数据接入、多模态数据检索、多模态数据融合分析、多模态数据存储等问题给企业数据架构带来重大挑战，对企业数据架构的兼容性、灵活性、拓展性提出了较高要求。企业架构协同难 企业架构通常包括业务架构、数据架构、应用架构和技术架构（4A），由于 4A 架构各
《2025企业数据架构实践指南》由会员职**分享，可在线阅读，更多相关《2025企业数据架构实践指南》请在金锄头文库上搜索。
