4.4.2 基本原则

数据架构的设计原则是在遵循架构设计通用原则的情况下,有数据架构自身的特殊考虑。合理的数据架构设计应该是解决以下问题:功能定位合理性问题,面向未来发展的可扩展性问题,处理效率高效或者说高性价比的问题;数据合理分布和数据一致性问题。

1.数据分层原则

首先,组织数据按照生命周期就是分层次的,因此数据分层原则更多应该解决的是层次定位合理性的问题。在给每个层次进行定位的同时,对每个层次的建设目标、设计方法、模型、数据存储策略及对外服务原则进行一定的约束性定义和控制。

2.数据处理效率原则

合理的数据架构需要解决数据处理效率的问题。所谓的数据处理效率并不是追求高效率,而是追求合理,因为所有的数据存储和处理都是有代价的。换句话讲:数据处理效率的问题也可以说是解决满足数据处理效率要求的成本合理化的问题。 数据处理的代价主要就是数据存储与数据变迁的成本,在实践中,真正影响数据处理效率的是大规模的原始数据的存储与处理。在这些原始明细数据的加工、处理、访问的过程中,尽量减少明细数据的冗余存储和大规模的搬迁操作,可以提升数据处理效率。

3.数据一致性原则

合理的数据架构能够有效地支持数据管控体系,很多的数据不一致性是因为数据架构不合理所导致的。其中,最大的原因就是数据在不同层次分布中的冗余存储以及按照不同业务逻辑的重复加工。因此,如何在数据架构中减少数据重复加工和冗余存储,是保障数据一致性的关键所在。

4.数据架构可扩展性原则

数据架构设计的可扩展性原则可以从以下角度来保障:

  • ·基于分层定位的合理性原则之上。只有清晰的数据层次定位,以及每个数据层次合理的模型和存储技术策略,才能更好地保证数据架构在未来支持新增业务类型、新增数据整合要求、新增数据应用要求的过程中的可扩展性。
  • · 架构的可扩展性需要对数据存储模型和数据存储技术也进行考虑。

    5.服务于业务原则

    合理的数据架构、数据模型、数据存储策略,最终目标都是服务于业务。例如,社会保险快速的业务流程运转以及高效而且精准的业务决策支持,是社会保险行业两方面的业务目标。因此,有时候在面临满足某种业务特殊目标的时候,可以为了业务的体验放弃之前的某些原则。

results matching ""

    No results matching ""