0


大数据-数据底座架构/数据中台建设

前言

在信息化向数字化转型的过程中,企业积累了海量的数据,并且还在爆发式的增长。数据很多,但是真正能产生价值的数据却很少。数据普遍存在分散,不拉通对齐等问题,缺乏统一的定义及架构,找到想要的,能用的数据越来越难。
如何实现数据的汇聚和联接,打破数据孤岛与垄断,就显得格外重要。

一、数据底座的目标

  1. 统一管理结构化、非结构化的数据,这些都是数据资产,能够追溯到数据的生产者、消费者以及业务源头;
  2. 打通数据服务供应通道,为数据消费提供丰富的数据原材料、半成品或者成品,满足公司的自助分析、数字化运营等不同场景的数据消费需求;
  3. 确保公司数据完整、一致、共享。监控数据全链路下的各个环节的数据情况;从存储的角度,诊断数据冗余、重复以及”僵尸“问题,降低数据维度和使用成本;
  4. 保障数据安全可控,基于数据安全策略,利用数据权限控制,通过数据服务封装等技术手段,实现对涉密数据和隐私数据的合法、合规的消费;

二、数据底座架构图

在这里插入图片描述

数据底座的建设不是一蹴而就的,需要统筹推动,以用促建;数据owner是各业务线数据底座建设的第一责任人;建设原则如下:

  1. 数据安全原则:应遵循用户权限、数据密级、隐私基本等管理要求;
  2. 需求、规划双轮驱动原则:业务规划和需求双驱动进行建设,对核心数据资产优先建设;
  3. 数据供应多场景原则:按照业务需要提供不通数据供应通道(离线/实时/物理/虚拟),满足不同的消费场景;
  4. 信息架构遵从原则:数据底座数据资产应遵从公司的信息架构;

三、数据入湖

数据入湖的标准

  1. 明确数据owner
  2. 发布数据标准
  3. 认证数据源
  4. 定义数据密级
  5. 数据质量评估
  6. 元数据注册

数据入湖的方式

  1. 批量集成
  2. 数据复制同步
  3. 消息集成
  4. 流集成
  5. 数据虚拟化

更多内容

大数据-数据湖建设

四、数据主题联接:将数据转换为信息

通过5类联接方式,将不通业务线的数据联接起来,将数据湖中的数据由原材料加工厂半成品、成品,支撑不通场景的数据消费需求;

  1. 多维模型
  2. 图模型
  3. 标签
  4. 指标数据
  5. 算法与模型

更多内容

大数据-数据建模&主题联接

参考:
《华为数据之道》

标签: 大数据 架构 java

本文转载自: https://blog.csdn.net/csdn_tiger1993/article/details/125817484
版权归原作者 黄小果 所有, 如有侵权,请联系我们删除。

“大数据-数据底座架构/数据中台建设”的评论:

还没有评论