如果说信息系统是企业的血管，那么这些数据就是血液了，数据是企业的核心资产，而对数据架构的规划与梳理则是企业架构的核心。

1.数据架构的总体框架

提到数据，大家会自然想到数据库分析与设计，数据架构与数据库设计不同。数据架构着眼于从总体看整个企业的数据资源，包括数据域与数据子域划分，企业数据模型与标准的定义，从支持业务架构和应用架构的层面看数据分布、数据管理平台架构设计等内容，数据架构的总体内容框架如图6-1所示。

图6-1 数据架构总体内容框架

如图6-1所示，数据架构可以分为四大部分。

第一，数据主题域/子域。数据域是对业务进行高度抽象和概括，形成不涉及过多的细节、独立于具体信息系统的主题域模型，包含业务过程中所涉及的所有主题域及它们的关系；主题域模型分为面向分析类应用（数据仓库）主题域模型和面向操作类应用主题域模型。一个数据域根据需要还可以细分为若干子域。一般企业中，客户、材料和产品等都可以看作是一个数据域，然后在此基础上进行细分，就是数据子域。

第二，数据建模与数据标准制定。企业数据建模是站在全局角度对归纳、整理出来的数据之间的关系进行分析，这种关系分为概念模型、逻辑模型和物理模型3个逐步细化的层面。另外，还要制定企业层面的数据标准，为从根本上解决企业数据分散重复、口径不一致，以及共享困难造成的信息孤岛等问题奠定坚实的基础，推动企业内各类信息系统的整合和数据的共享。

第三，数据与业务/系统之间的分布关系分析。数据架构不是一堆静态的文档，而是要在系统中被处理、在业务中被使用的，为了更好地维护、分析和使用，就需要明确由谁来负责哪些数据的更新？什么样的数据在什么业务环节中产生和处理？数据在系统中如何分布？不同系统间的数据如何交互等。其中，数据与系统如何分布的分析还是划分系统边界的重要依据。

第四，数据管理平台的架构设计。数据管理平台可以分为企业级和系统级，系统级就是通常所说的数据库系统设计，企业级包含数据仓库和主数据管理系统两大类。在谈数据架构时，一般是谈企业级的数据管理系统架构设计，即数据仓库的设计。

以上4部分中，数据域与数据建模是紧密相连、层层深入的。在进行数据架构设计时，一般是先进行数据域与数据子域的划分，然后再对数据进行概念建模、逻辑建模和物理建模，最终还可以细化到数据标准，数据建模与数据标准是数据架构的核心。当然，如果需要，还需进行数据与业务和应用之间的分布分析，并设计影响全局的数据仓库系统架构。(www.daowen.com)

2.数据架构应遵循的原则

全局性的数据架构设计是一项比较复杂，也比较抽象的工作，在开展工作时要遵循以下几项原则。

1）功能性：能够满足现有应用的需求，在应用需要时，能够及时快捷地提供准确一致的数据。

2）完整性：确保整体体系全面完整，不能出现遗漏现象。同时对这些数据统一进行一体化考虑，而非各自割裂孤立。

3）准确性：数据是一个企业的核心资产，所有的决策和运营都要依据数据来开展，因此，在规划设计阶段要充分考虑如何确保数据质量，如何确保数据准确性。

4）高效性：从全局考虑需要确保整体数据架构各数据存储集合间的高效流转，从单点考虑需要确保系统本身各个功能点对相应客户请求的性能效率，想方设法地分解压力、提高效率，确保系统高效运行。

5）灵活性：必须具有适应应用功能在一定范围内的调整和扩展的能力，不能因为应用功能的局部调整而使数据架构发生较大改变。

6）合理性：数据架构的设计必须讲究科学合理的设计策略，其中各个数据存储集合的划分、布局、关联、内容及应用等都必须有科学合理的决策依据。

7）前瞻性：能够为后续新业务的开展提供支持。