数据建模的价值与数据模型管控

数据建模的价值与数据模型管控为什么数据建模从建模的作用及dame体系说起DAMA-DMBOK2数据管理框架

(DAMA轮形图)

艾肯金字塔资料来源：DAMA-DMBOK2DAMA-DMBOK2轮形图与艾肯金字塔DAMA敷据六讲堂-数聚六酬数据治理

▲

数据治理阶段2数据仓库和商务智能参考数据和主数据数据集成和互操作文件和内容管理数据建模和设计数据存储和操作数据建模和设计元数据数据质量数据架构数据质量从艾肯金字塔的阶段规划中，第一阶段我们就必须注重数据模型及其设计。元数据

数据治理

数据安全阶段4阶段

1高级应用：挖掘分析;

大数据数据集成和互操作数据存储和操作数据安全数据架构数据仓库和商务智能参考数据和

主数据文件和内容管理阶段3

-2、可用于混合体系结构整合和构建应用程序

(数仓、湖仓、云的设计和维护)3、支持日趋严格的监管要求

(数据血缘分析，数据质量规范)4、简化跨关键角色的协作(数据影响度分析，数据一致性)5、支持数据民主化建设，提升组织中各角色的自主访问能力(数据分析/BI支撑)数据建模一直是设计和部署具有高质量数据源的新关系数据库以及支持应用程序开发的最佳方式

。它促进了业务和系统开发人员之间的沟通，使利益相关者能够理解给定上下文中企业数据的结构和含义。数据建模的作用DAMA吡据六讲皇一取聚六咖1

、有效地管理和梳理海量数据(数据集成支撑)数据建模可帮助您数据建模的价值高质量的数据模型可以降本增效、规避风险、创造商业机会。DAMA整据六讲堂-数聚六删可达性/安全参考数据清晰企业数据模型信息质量

可信源费用/利益及时性/完整性精确数据定义及相关属性The

prop旧「tiesof

information(〗门fiica

I

to

infbΠmaⅡ

jonquaIity

andthosethataresuppoΓt⑵dbydata

m心d旧y6源自：MaitthewWesLandullain

fowler《Deve!opinsHigthall

yD彐y旦Modte!s)数据清晰、数据可达性及安全性

、数据一致性等信息质量的至关重要的信息属性，都可以通过数据模型支持的属性信息来记录并管理数据模型与信息质量DAMA敷据六讲堂-数聚六酬m)水≥k氵

da忄aa

nGjsλ旧mcyEntθ「卩rNs旧

d引k;巡?±≥对信息质量至关重要的信息属性以及数据模型支持的属性Relevance

Informationqu曰lⅡtyAaaαss〗tⅢfity/三巴?

i?乡

Physical

dak汀Clarity

Enlaη卩「i趴氵ata

mod?9uppor

ΠⅡm9da上aanddatamodeksDatavalveΓelated

p『o卩旧「ties入ata

definiλi

nrεyated

p「o卩旧Ⅱ1汴eG万jme丨Ⅱ飞≈爻√S?尐卫

旦吵?竺氵彐丨数据值域及相

关属性支持数据和数据模型PΓσⅥ小Ⅲanc6/assuΓanc旧企业数据模型物理数据模型关键：CoGt化旧沂旧fitAcc\「acy一致性Key:关联·高质量的数据模型提供统一规范数据及数据结构的定义和格式，保障跨系统的数据及其结构的兼容性及

一致性；将降低系统和接口的构建及开发成本；·高质量的数据模型与业务流程及需求

、组织的商业策略更加一致

，将提供更多的商业机会、减少商业风险带来的成本损失

。更多的商业机会更高的效率更灵活地应对变化更方便的系统集成更简化的接口业务驱动决策支持信息更少的风险更低的成本最小化数据冗余相容的数据高质量的数据模型将为企业降本增效DAMA敷据六讲堂-数聚六酬商业系统

数据中降本增效中降低风险*识别应对变化的商机数据模型目录

语言包含产品交流会谈话谈话人数据模型的核心价值DAMA敷据六讲堂-数聚六酬>数据模型有两大核心价值：交流性和精确性；

>数据建模的价值：·

分解复杂性，增进理解·捕捉不同视角，在上下文中进行交流·通过重复使用提高一致性和效率·

支持敏捷开发交流性1、来

自不同部

门、职能区域，不同技术背景和业务经验的各类人员共同讨论并最终做出决策2

、可

以在不同的细节水平上交流相同的信息3、建模后的成果可做为知识传承4、交流沟通在建模中与建模后都同样具有价值精确性1

、数据模型的每一个符号和条目都是清晰、无二义性的2

、图形化的展示有利于讨论群体精准讨论3、数据模型的精确性需由数据模型的规范性设计来支持需求收

集设计方案交付机制被说挥培训会模式作者写佩谈话书发展数据管理策略推动业务价值DAM傩敷据六讲堂-数聚六酬Gartner发布了从四个方面来发展数据管理策略，以适应当今社会的数据现状并推动组织的业务价值；

数据模型的建设及管理工作在这四个方面都体现它的重要性

，特别是在“数据集成/质量”及“数据基础

设施”这两方面

。Dataand

AnalyticsInfrastructureMod旧l

(DAIM)Wtth

ExampleUse

C汩sesGartnerGapAnalysis:IΠterdependenciesand

Priorities=Gartner实施运营和分析数据管理基础架构，逻辑数据仓库

(LDW)是当前的数据管理基础架构最佳实践针对实际用例优化数据管理策略，数据管理的最终目标是通过具体的用例实现业务价值,需要新的技术和技能来实施和发展数据集成、数据质量和元数据实践。预测新用例和技术造成的数据

中断数据集成/质量应用数据管理数据基础设施管理挑战确定数据建模的业务价值DAMA整据六讲堂-数聚六删1

、确定业务价值的关键指标：√

投资回报率

(ROI)2

、3种经典评估方法·

收入增加·

成本节约·

成本规避3

、在确定ROI时经常使用的特定数据建模优势>

改进的数据要求和规范>

更快的开发减少错误纠正/返工>

更好的数据质量>

数据资产的重复使用改进的系统集成4

、个案研究1

.

背景和范围2.

计划与现实3

.

质量指标4.

数据建模影响0

0

。>

用户需求：“作为员工经理，我需要能够输入和更新员工考勤卡。”用户需求一般不会说“作为考勤卡记录，我噩要是员工、项且、任务和=实例”任务号身份非空在务标题varchaΓ及确任务循述varchar无效的项目编号int无效的项目经理varchaΓ无效的雇员否int无效的员工姓名varchar无效的WeekNotjnyint无效的预计不丽题1短整型无效的实际小时数1短整型无效的“敏捷”的结果：1

、除了简单的项目，其他项目在项目中后期需要付出计划外的代价去重构部分数据。2、数据开发项目重复严重，各个项目的数据不一致

,3、项

目的数据架构很难被组织内其他项目复用，增加了新项目的开发。4、项

目的数据库和持久性方面将会出现很多错误，不利于数据质量。盛“迮为考勤卡记录，我的关键属性值在创建后无法更改。”这些关键应用程序数据需求我们如何与用户确认?

通过逻辑数据模型预计不时数2等等等等等等…预计小时瑷了实际小时瑷了加时酊短整型短整型短整型短整型冠理无效的无效的无效的无效的无效的所谓“

敏捷

”

,增加了后期的数据债务及成本DAM傩敷据六讲堂-数聚六酬从企业的角度来看，不应该创建没有员工姓名或无效员工姓名的时间表

(或时间表卡)

。不能为不存在的项目

、任务或时间表。创建时间表后，不应更改时间表中的“员工”、“项目

”、“任务9或”周”值。应该不可能创建零小时的时间表。“我们不需要数据模型

，因为数据需求是在功能(或用例)

中可以直接得到的

”

“我们要敏捷，数据建模浪费时间，应直接去建库建表，后续有问题再迭代

”考勤卡程序构建的“数据库”的例子补救措施1

、从项目的第21使用高级数据架构师◆跨团队关注数据2、为所有更改建模◆变更DLL由建模工具生成3、提供1名实现数据持久性映射的开发人员◆

为数据架构师工作4、暂停功能设计/开发◆

重新设计数据库◆专门用于问题清理的快速迭代5、其他注意事项◆数据架构师/建模师必须参与所有开发项目希望达成目标：至少将数据缺陷减少75%·

在第16目评估中发现现有缺陷，如按原项目方式，将需要40救成本

(750万美元)

。·通过数据模型的介入及相关数据管理手段，项目最终基本按期完成并解决了缺陷。需求用户需求表达不完整不正确的业务分析文档业务流程已更改不正确的测试用例缺少进程业务专家知识不足用户界面消点导航栏未在下拉列表中排序的值子文件/子表溢出控件不工作缺少提示界面对用户不友好第三方小都件集成问题缺少外键约束缺少检查约束缺少默认值数据类型不准确实体框架映射错误缺少素引缺少审核冽表名不正确列名不正确数据表不符合3地式规范-有缺陷的单元测试调用了不正确的服务未调用的服务

错误的循环或分支

逻辅构造错误计算错误状态转换不正确解决“

敏捷

”问题的代价(示例)DAM傩敷据六讲堂-数聚六酬实例缺陷分析“ANSANGE数据库和持久性

业务服务系统缺陷及返工需求主要业务领域的组织和范围沟通与商业概念和规则的定义业务规则和数据结构的澄清和详细信息业务利益相关者、数据架构师业务利益相关者

、数据架构师数据架构师、业务分析师企业级(主题模型)概念级

(业务概念)逻辑级

(数据实体)DBA、

开发人员

物理级

(物理表)

物理数据库的技术实现主题-概念-逻辑-物理，不同模式下的数据模型由不同角色来负责，相对应的目标价值也不同人员

且拯数据模型的不同模式DAMAR据六讲堂-数聚六测当事人基恋他息

当事人。个人越本情想当制物理数据建模用于迭代地将逻辑模型成果的用例实现驱动到应用程序和业务用户可以使用的数据库体系结构和技术中，主要用于IT项目相关者(开发

、设计和测试

)

之间的沟通。物理模型提供IT技术架构所需的数据存储需求，物理模型指导如何捕获、存储、使用和集成数据的IT决策。逻辑数据建模的过程中会形成详细的数据解决方案-—用于达成业务和IT利益相关者对业务数据定义和规则有统一共同的理解，激发关于如何使用数据来提供业务价值的讨论

，为创建新的和潜在有用的数据对象提供机会，并指导如何捕获

、存储、使用和集成数据的业务决策。逻辑数据建模与物理数据建模的价值DAMA敷据六讲堂-数聚六酬·数据建模降低业务风险

(数据建模通过提供基线和提高从信息系统的使用中获得结果的准确性来帮助降低这些风险)2

·数据建模可帮助您避免浪费时间

(数据建模应在组织的开发早期进行，避免浪费时间重新构建数据集和相关系统)3

;数据建模可以提高分析质量

(高质量的数据模型将提高用于获得有关客户

、产

品、服务或竞争产品等分析过程的质量)·数据建模使理解数据变得更加容易

(数据模型提供了一种可以更轻松地理解数据及数据间关系的结构)5·数据建模有助于定义需要收集哪些数据

(数据模型可以帮助确定分析时需要

收集哪些数据及应如何存储这些数据)6

·数据建模帮助您确定计划的优先级

(高质量的数据模型可通过确定数据中的哪些区域最容风险的影

响来帮助您)数据建模可以提高您集成系统的能力

(数据模型可以通过为所有数据提供通用结构来提高集成系统的能力)·数据建模可以提高决策质量

(数据模型可以通过提供基于有效

、可靠数据构建的组织全面情况来帮助提高决策质量)9

·数据建模可以提高业务流程的质量

(定义良好的数据模型可以更轻松地一致

、准确地完成任务，提高业务流程质量)10:数据建模可以增强个性化

(高质量数据模型可以通过如提供有关客户的信息

(如人口统计和行为特征)

来增强个性化)·数据建模可以提高安全性和合规性

(定义明确的数据模型可以确保只有正确的人员在正确的时间访问正确的信息)建模价值小结DAM傩敷据六讲堂-数聚六酬数据建模最佳实践谈谈如何才能实现并体现数据建模的价值，DAMA整据六讲堂-数聚六删与不同的利益相关者谈论数据模型DAMA整据六讲堂-数聚六删组织内的架构意识√所有组织都有体系架构数据模型帮助一群人“思考”某个商业问题或商业机会的

数据方面内容

，使他们能够发现并解决关于数据含义的

分歧

、探索数据机会、设计和创建支持商业计划的数据

资源

，并就数据含义达成共识。换句话说

，数据模型告

诉了一个故事

，这个故事是关于一群人如何聚集在一起

使用数据来解决业务问题(或利用商机

)

。数据模型记

录了从问题概念到问题解决的过程

,“提供统一理解的架构”-作为

(数字)

蓝图进行记录和阐述，说

明体系结构组件之间的共性和相互联系-业务-流程-系统-安全-技术-数据/信息通用术语及词汇√管理层1、喜欢成就2、讲述数据模

型如何使项目更高质量的完成业务人员1

、喜欢流程的

故事2

、

希望知道明些实体和属性和特定的业务流程相关3

、通过数据流

图提升业务流程利用概念模型对接关键业务对象通过逻辑模型讲述解决方案T人员1

、最熟悉是功

能故事2、希望确保建模可充分支持

的对象类

、方法和API等3、通过概念模

型讲述UML类图，利用物理模型实现数据库用例数据分析师1、关于业务规则2、希望应用程序的数据报告和分析是足够正确且有意义的3、逻辑数据模型适合讲述这些内容项目经理1

、最感兴趣的是数据实体和用户场景之间的关系2、我们可以通

过UDP属性来描述与用户场景的关系，

定位当用

户场景变更时所需

的模型变更(敏捷建模)质量分析师1

、希望确保软

件满足用户需求，提供积极的用户体验2、物理模型的主键、备用键

、其他数据属性约束及主外键关系的报告将使他们受益与不同利益相关者谈论数据模型DAMA敷据六讲堂-数聚六酬大多数利益相关者不愿听数据建模师谈论规范化

、标准化

、语义和本体以及使用的最佳表达

，我们需要理解完成项目或部署应用程序的业务和IT利益相关者的实际关注点

,建模师常合作角色关注要点数据从业

者要确保数据故事讲述正确，并确保其他项

目利

益相关者理解数据故事,√

概念数据模型

、逻辑数据模型将由“业务”拥

有√

物理数据模型将由“应用支持团队”拥有√

数据模型由团队

(即受影响的利益相关者)

所有，而不是由数据建模者所有。数据建模师需让团队推

动数据模型的开发

，同时利用他/她的专业知识来指导工作

，防止出现严重错误

。√

数据建模需要“敏捷”的集体迭代开发活动

，为利益相关者的时间和精力带来最大价值

,√

数据模型帮助项目团队思考项目数据相关需求，作为用户场景的功能需求附件之一。数据建模应该是一个团队活动，至少涉及项目利益相关者的代表性子集

(包括业务用户、业务主题专家、解决方案架构师和应用程序分析师

,数据建模是一项团队的活动DAMA敷据六讲堂-数聚六酬日历毕业奖学鱼学期奖学金指组织学生院系应用指标高中维度数据模型：轴技术形式直观的方式显示业务(概念)数据模型DAMA敷据六讲堂-数聚六酬使用听众的语言

(获得认同)>在与业务利益相关者沟通时，以直观的方式显示数据模型非常重要使用适合业务利益相关者风格的业务(概念)

数据模型>

使用商业术语>

避免过多细节学生中明细分账户利息

信款单业务

(概念)

数据模型·沟通核心数据概念及其定义,业务数据模型提供关键数据对象的核心定义

·显示数据对象之间的关键关系

,·通过简单的图表也能讲述一个强大的“故事”·

采用合适的展示样式…发现关键业务问题和机遇。关系数据模型：业务草图形式财政握呦指标应用指标大学财政握叻毕业指标客户关系客户关系□

#客户编号{F*)□#相关客户编号(队?逆客墅苎魉壁缪绝尝丝逻客户详细客户基本扩展怅客户蝸号{FK)□#扩屐倌息炎型代码圹闷伯舟类些代码些匿迭迅围逃丕杰這退客户汇总□#客户编号{FK)□#汇总绽组编号□*汇总类型代码汇总类坠代码壁枣鱼匹匹起

丞丝匹起宣旦些逑匹起

玉缍鹦匹起客户基本厦籼□#客户编号□

*

客户姓名□·客户类型编号{FK)客户类型客户类型□#客户类型编号□9客户类型名称□*客户类型分类代码吝片类坠分类扰码型兮骂旦医逊亟迫燕些宣旦客户管理典型的概念数据模型示例(客户域主题)DAMA敷据六讲堂-数聚六酬罔户联系方式□#吝户编号{F礻9□#联系方式汾类代码联系方式分奖代码地址哇适逻過曳迂堑適客户附加僧息#

客户编号亻FK)□#附加信忽分类代码瞅加指怠分类代码通丕亘至巫更匾业务附加详情骂迫题纱递逍吾户基本扩展属性详细□芹客户络号fⅪ□#扩展信息类型代码(FⅪ

□所性代码f水)□

芹

详细类型分类代码□o

属牲值客户报表事实□

#客户编号『水)

□#报衷2组缤号口

.报表类型代码报表类型扰码选郧堑苎迪y鸟苎边苎迪y客户基本客户基本□

#

客户编号□^客户姓名□.客户类型娟号HFK)客户颔惊基本#客户编禺『×)□#客户潑疫类型分类代码口.当削颔唆全颉了

9俗淘⑥全颉客户信用基本□#客户编号(FK)!苎這理差型兮差逆照客户属性代码□#属性代码

□·

屑牲名称客户流失分析鸟苎憩丝迪y客户分析■四√

在概念和逻辑数据模型中讲业务语言√

在以业务为中心的建模中

，多做“数据顾问

”,少做“数据架构师”。你的模型应该讲述企业的故事。√

良好的业务数据模型支持可靠的物理实现。√

数据建模有助于提高效率，避免不必要的返工√

所有行业都可以从以业务为中

心的数据建模中受益。√

数据模型可以解决现实世界中的业务问题

(或者从一开始就阻止这些问题

的发生

…

)多做“

数据顾问

”,

少

做“

数据架构师”DAMA数据六讲堂-数聚六酬◆需要三堵墙上才能粘的整个企业数据模型◆大约有1000个实体堆在一起◆那么

,我们来找一下，关键信息中的账户代码在哪里?

它的数据类型会是什么?避免“

数据建模成果展示引起

不适”DAM傩敷据六讲堂-数聚六酬总览品产品代码产品类出代码某省市场代码品名称产

描述产丽状态代码产品类型代码金融服务独工具产品关系

品行情按业务类别拆分成多个主题

将非共性的实体按主题拆分样例中的产品模型模型很大，不利于理解及阅读

。需要进行整合，抽取关系密切的、共性的实体拆分为多个子主题。不是一次性创建大型模型DAMA敷据六讲堂-数聚六酬提取共性的实体，应用至不同的模型主题中·

快速校正和最终的实体模

发布和型交付

通信·使用敏捷冲刺方法，不断向团队和

业务部门提供反馈，以快速取得成

果

(核心工作组)·业务主题领域范围·

定义核心业务实体和关系·

实体定义草案对相关系统的物理模型进行逆向在应用程序和系统交付方面与项目团队保持一致根据不同的系统规则反复完善业务模型采用敏捷的数据建模方法-快速发展

，快速反馈DAM傩敷据六讲堂-数聚六酬专注于沟通和迭代的敏捷建模自上而下

的业务设计····与业务优先级保持一致·创建以主题领域为重点的工作组·相关工作的原始文件与业务需求保持一致自下而上

的技术

审查迭代和优化保特逻辑数据模型与物理数据模型的一致性DAMA数据六讲堂-数聚六酬>当我们讨论数据模型的业务价值时，更多的时候都是讲逻辑数据模型。>逻辑数据模型表达了业务的观点，并用于业务和IT利益相关者之间的通信。>物理数据模型是逻辑数据模型的某个子集实例到数据架构和技术的映射

，表达了逻辑数据模型的物理实例化。

>概念数据模型(大部分)用于与业务高层的沟通中。>保持物理数据模型与逻辑数据模型的一致性

，才能保障业务价值最终通过应用程序实现数据的业务价值业务解决方案形成

明

细重点关注技术及应用架构继亟、规范上下级逻辑数据模型概念数据模型基础充分分析实例化转换承接物理数据模型问询基本忽略软件环境硬件环境环境复杂性业务需求

数据模型管控的价值数据模犁需要管理.2lDAMA整据六讲堂-数聚六酬数据模型与其他数据管理模块关系DAMA敷据六讲堂-数聚六酬我们可以通过数据模型设计及数据模型管理来连通、指导、管控企业中各个数据管理模块的活动，保障企业中的数据的规范性及一致性，从根源上解决数据质量的问题定义一致管控对象数

据模型管理基础质量规则标准浏览数据安全数据资产

资产目录目录标识安全要素目录框架主要依赖集成完素数据标准元数据数仓、中台数据湖建设主数据/参考数据数据操作与集成检测规范;数据质量主数据模型分层模型·领导重视度不足·没有数据模型管理规范·不一致的数据模型工具·烟

囱式数据模型开发·模型开发生命有管理·缺少统一的企业级数据模型·缺少可参照的业务板块成熟数据模型·模型开发没有遵循企业的数据标准·数据模型与数据标准管理没有协同没有形成有效管理机制数据模型缺少积累没有遵循数据标准数据模型管理现状DAMA整据六讲堂-数聚六删数据模型管理现状·设置专职数据建模或数据架构师岗位·培养数据架构师，掌握建模技术及业务知识·设计符合实际情况且可落地的审计指标构建自动化强，落地性好的软件工具·数据架构师

、数据标准

、数据模型等管理流程配置功能·数据标准管理及应用

、数据模型管控功能·审计校验功能

，内置审计校验指标·数据库对象自动搜集及差异比对功能设计及实施数据模型管控流程·提升数据质量·数据资产化能力·数据资产变现数据标准确保落地保障数据结构的稳定保障数据的规范性·规范数据资产目录

促进数据资源入表数据模型管控价值DAMA敷据六讲堂-数聚六酬设置数据模型审计专职岗位和设计审计指标直接效果提升开发及管理效率打通业务与IT实现的桥梁·设计数据架构师

、数据标准

、数据建模人员

、开发人员交互流程·设计事前

、事中

、事后审计及校验流程·设计数据模型及数据库对象变更流程核心价值·模型透明化管理促进数据共享数据模型共享服务瓣据購理管腔嘬挂实践我们如何实现对数据模型的管理及运营。DAMA整据大讲堂-数聚六删数据模型管理框架DAMA敷据六讲堂-数聚六酬数据模型管理办法及制度数据模型管理组织及角色

(模型小组个评审组/数据架构师/业务分析师/DBA)数据模型评审数据模型发布DDL/API丰富资源标准应用规范命名企业规范行业参考参考模型逆向采集数据模型运管模型版本管理模型与元数据校验模型变更模型管理指标资源数据标准标准词库企业级数据模型行业数据模型已发布的数据模型存量系统集成发布数据资产发布元数据发布软件开发平台知识库数据模型开发设计工具管理工具数据模型开发流程织巢鸟模型设计工具数据资产管理平台数据模型管理平台数据模型记分卡建模理论是否转换D句，

导入DEV

PROD数据申请上线评审价值主张

统一数据标准、确保数据模型设计与实现一致管控流湿辑模型设计

数据库设计

数据模型评审与数据开发体系结合

，将数据模型管控嵌入开发流程中DAMA敷据六讲堂-数聚六酬领城数据管家数据管家数据管理专员数据管理专家组π数据架构师实现模型设计与数据开发体

系的结合，提

高数据开发效率

，提

升数据开发质量，打

通设计与开发管理过程。数据贯标命名转换是逻辑模型转换为物理模型否优化物

理模(增加属

中逻辑模型设计字量数据逆向]

/增里新增逻辑数据模型想黑定武辩南注册数据资产项上线逻辑数据实体和属性评价标准数据设计遵从性管控标准数据开发遵从性管控标准数据标准和数据模型检查创建数据标准引用数据标准数据标准评价标准数据模型评价标准规则/标准抽取数据库技术元转

换

为理数据模通过是…数据模型设计是开发过程的重要一环，将影响业务逻辑实现及数据架构

。物理模型实现类图

数据库具体实现Hibernate/小PA2设

计

1需求分析主题、概念抽象确定关键主实体澄清业务需求

分析业务对象数据模型与软件开发生命关系LⅧU傩既椐大讲堂-紫彩七咖Case工具转换考虑数据存储及运维环境逻辑模型领域类设计5部署上线

数据模型封版交付软件开发生命(SDLC)6运行维护3编码

开发基线模型元数据差异概念模型领域模型数据字典物理模型指导逻辑模型设计概态遵灰功能模块设计主要数据属性4测试数据库监测模型比对(元数据逆应模型与已评审上绂模型E评审上绂模型与遂型库避数据)差异分析报告整改方案(限期整改<现状重诉≤模型变更/流程管控纟绩效管理结果通报L数据资产管理丄資产分类/签产分级<签产地图<签产运营元数据管理L上线版本<数据血绿屋产地图/基递模型/蘑标评估9审核模型评审存储模型知识库运维物理模型实例化丄DQ(执行L发型应用坐憩世H需求分析概念建模需求评审

业务承接逻辑建模转狈物理建模模型评审模型上线一体化开发平台1上evOpszData匹PSL建模活动的管控及评估LAMA敷据六讲堂-数聚六酬组织&规范数据模型建模管理规范

开发规范1

、晟求规范性评估2、理怏需求完鹜度

(T胍

冬块姒:N运巴要升发钓出级)建模阶段建模活动1、业务系统歉据模型完整性om

)2、组织级效据模型复用率

(n

博款亟j数算度型刀3、数据标准遵从性

(x←*刃a出

85*#R¥卷基划约)逆向厘奚i吞量厂逆向生成

模型整理1、数据模型评分卡囹织级数据模型遵从评审通过奉

(

工业统承建放取级生与心明级长出积3、数据模型汶计模式完整度

(L皿za+*Ⅶ町stK泣

Fur心

S=2*书m/m刃2a开gm口e称)元数据监视⑤

齐例资源评估指标1

、壁改方案可行性分析指标方me数2、元鼓据与数据模型拟合度嫦=鳖分系填元教进匀时应数

理输帐配业外

R灬

)1

、物理桢型实例化执行占比E业赤蔸统通司说和白进行物重Ⅷ安研化波心务姒讪城

Ⅱ)自动落标、模式转换

、模型报告、模型目录、流程筒控建模需求

模型设计指导建模、规范建模、协同建模、评审标准、模型复用数据标淮/业务术语行业数据模型企业级数据模型建模设计工具模型管控平台数据管理平台支撑

IT工具断婴–权眼矩阵③②指导介4、

维护汇总分析业务方新的数据规范要求结合最新国家、行业或者公司规范调整标准定义基于公司数据架构通知并监管标准变更执行情况2、

执行数据模型设计阶段应用

标准元数据维护阶段应用标准数据加工阶段

(如指标加工)遵从标准规范指导数据质量规则设计(满足一致性、准确性等要求)3

、

检核数据模型评审阶段

检查标准覆盖率数据模型评审阶段检查属性与标准匹配度元数据维护阶段构建公司标准落地看板输入遵从

国际标准规范国家标准规范

行业数据标准规范组织数据标准规范1、

定义明确业务定义明确业务约束明确数据规范明确数据类型明确管理归属明确管理范围在数据建模过程中落标DAM傩敷据六讲堂-数聚六酬●

数据标准数据质量使用率●

数据标准元数据核标率●

数据模型数据标准覆盖率●

数据模型数据标准匹配宰工作阶段工作内容●

数据标准的准确性●

数据标准的完整性结合数据建模落标考核指标①业务需求需求分析模型设计建模参考建模规范体化开发平台通过评审个√

数据标准√

模型规范√

架构遵从√企业级模型遵从不通过增量系统的数据建模管控DAMA敷据六讲堂-数聚六酬模型修改问题清单及优化建议建模资源企业数据标准业务术语企业级数据模型⑩

⑩模型调用

模型应用

模型应用数据架构行业数据模型模型知识库数据建模理论模型需求模型开发模型评审模型发布模型上线存储版本管理模型库/模型知识库资产注册资产变更数据资产发布介例IT运维模型评审资料模型◎模型发布业务数据库集成⑧⑨3√数据标准√模型规范√

架构遵从√企业级模型遵从变更风险模型评

通过

⑥

审存储版本管理模型库/模型知识库不通过模型调用yπ运维一体化开发平台生成变更DDL模型维护(补充中文定义、模型分层编锥L模型修改向题清单及优

化建议建模资源企业数据标准业务术语企业级数据模型数据架构行业数据模型模型知识库数据建模理论业务存量数据模型逆向建模参考建模规范存量系统的数据建模管控DAMA敷据六讲堂-数聚六酬模型需求

模型开发

模型评审模型发布模型上线资产注册资产变更数据资产发布(注释、重点属性

)模型发布模型应用模型应用编号计分项

简介1模型对于项目需求的表达如何?确保模型表达了所有的业务需求2模型的完整性如何?需求完整性和元数据完整性。不存在多余的、额外的东西3模型与其规划的匹配如何?是否与模型类型(概念

、逻辑、物理等)与定义匹配4

模型有结构健壮性如何?验证数据模型建模的设计方法5模型的通用结构化设计如何?使用必要的抽象设计6模型中的标准化命名如何?使用标准化命名规范及遵守组织数据标准7模型的可阅读性如何?是否便于阅读，模型展示样式及结构清晰8模型中的定义如何?数据模型中的实体及属性等组件的定义是否准确而且完整9模型与企业数据模型的一致性如啊?数据模型使用的术语与企业数据模型保持一致，是否遵循企业数据模型规范10元数据与数据的匹配情况如何?检测数据库实例与数据模型的定义一致性数据模型评审工具之记分卡DAMA敷据六讲堂-数聚六酬数据模

型工具DataModelTools数据模型成熟度能力域bata

Modeling

capabilityDomain

数据模

型运营利用IT技术简化、标准化数据模型设计；支撑模型管理；量化评估企业数据模型管理水平。与其他数据管理模块集成管控

，运营数据模型管理成果，保障管控能力的持续性。我的思考：如果需要一个评估框架来评估企业内的数据模型管理成熟度

，可

以按以下六个能力域来综合评估。DataModel

Management数据模型的生命理，外部供应商管理，数据模

型人才管理。数据模型管理成熟度(思考)DAMA数据六讲堂-数聚六酬以企业视角的企业

(组织)级数据模型设计及管理，规范应用级数据模型的设计。数据

架构Data

Architecture单从数据模型本身的设计开发要求出发评估

，引导组织内数据模型的设计能力提升。保障数据模型的建设是遵循企业架构

，满足数据架