“十四五”规划和2035年远景目标纲要指出，“迎接数字时代，激活数据要素潜能”、“加快建设数字经济、数字社会、数字政府”的发展目标。健全的数据治理体系有利于数据要素市场化配置，将在推动数字经济高质量发展中发挥重要作用。2021年10月22日，主题为“数据治理和数字化”的2021DAMA中国数据管理峰会在上海召开，为中国数据治理和数字化贡献全球智慧。
Datablau数语科技创始人王琤作为受邀专家，分享主题演讲《数据中台架构与模型管控》。
Datablau脱胎于数据建模的鼻祖ERWin，在数据模型与数据架构上有近20年的深耕。Datablau创始人王琤先生首先分享了一个关于石油勘探的故事，石油开采成本很高，一个6000米的井打下去成本将近一个亿，万一打出个寂寞，一个亿就打水漂了。因此石油勘探通过采集土壤样例、地形等高线图、地震岩层分析图等，各领域专家都在一张图上不断的完善信息。常常是十年如一日，在资料室的图纸上添砖加瓦。最终，我国的重要战略储备石油都是以这种形式发现的。
这个过程，其实和我们做数据治理非常相似，我们不断收集数据上下文(元数据、数据资产）是个长期的过程。通过统一表述工具（数据模型），使各种角色都能理解、使用和反馈，不断调优。跨业务领域协作，需要开放与共享(数据资产目录），只有对各种业务场景的深刻理解和洗礼才会打磨出真正的数据底座。数据是企业的持久资产，是全量、全要素的联接，数据治理不是一个项目。
之后，王琤先生又介绍了DAMA DMBOK 知识域之间的关系。从图上看DMBOK十一个知识域是平的维度，看不出之间的顺序、层次和关系，这是由于DMBOK是按照一批成熟的样例总结出来，这个样例已经经过数十年的建设过程，但这个建设过程恰恰是当前国内企业需要参考借鉴的，而不是一个数十年建设后的现状。因此，王琤先生专门研究了DAMA DMBOK 知识域之间的关系，如下图所示：
上图蓝色是技术相关知识域，绿色是数据相关知识域。左侧数据存储、数据集成、数仓都是技术相关，大部分企业的科技部门都已经建设完成。中间绿色框中参考数据、主数据都是解决数据不一致的解决方案，元数据是附在数据上面描述数据。右侧的数据质量是将问题数据拉出来做检查、做线下修正。只有下侧中央的数据架构、数据建模是从整体上建设数据的。
所以数据架构和数据建模在十一个知识域中显得非常重要。只有将数据模型管控起来才能从源头不断提高数据服务的能力，改进数据质量的水平。
往期推荐
