您可以捐助,支持我们的公益事业。

1元 10元 50元





认证码:  验证码,看不清楚?请点击刷新验证码 必填



  求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
   
 
     
   
 订阅
  捐助
面向数字化改革的数据架构体系-二论政务数据治理
 
作者:田景熙教授
  4114  次浏览      16
 2021-7-22
 
编辑推荐:
本文主要介绍了数据架构在VO数据治理模型中的位置、数据架构的基本概念、数据架构的基本指标、面向数字化改革的数据架构、国脉“数能通”产品 等内容。
本文来自于微信电子政务智库,由火龙果软件Anna编辑、推荐。

一、数据架构在VO数据治理模型中的位置

笔者在《数字化改革中的数据管理能力体系构建解决方案》一文中,提出了国脉互联依据2021年3月《浙江省数字化改革总体方案》中的“V字模型”与“数据管理能力O字模型”相融合的面向数字化改革的数据管理能力体系架构,即“VO模型”如图1所示。

图1 面向数字化改革的数据管理能力体系架构(“VO数据治理模型”)

本文讨论的是图1中“O字模型”中“数据架构”板块与“V字模型”15板块的融合。

二、数据架构的基本概念

什么是“架构”?ISO/IEC/IEEE 42010-2011的定义是:“系统的基本结构,具体体现在架构构成中的组件,组件之间的相互关系,以及管理其设计和演化的原则。”

由此可将“数据架构”理解为:系统用于定义数据需求、指导数据资产的整合与管控、使其在各环节、各流程开展供需对接,支持各数据业务线的运行,实现机构数字化战略的一整套数据资产构件与流程。

电子政务的数据架构至少需要思考以下诸方面问题:

(1)数据架构体系,包括面向各类数源与业务,设计跨层级、跨领域的业务模型、对象定义、分类与编目、数据流等模块单元,即通常所称的数据架构的构件;

(2)数据架构设计,在对业务拆解的基础上,描绘、设计、部署和实现数据模块的结构与各流程环节;

(3)数据架构行为,构成各业务线中不同机构、职能、角色之间的协作、数据供需对接方式与管理模式等。

综之,数据架构是数据加工、使用与构建业务,反映其资产逻辑与流程的框架。在政务领域,各业务机构拥有的数据体量、领域范畴、结构、流程与运行方式等均超出单一机构,一般人员的理解与管理范围,所以必须通过数据架构在不同抽象层级上描述与设计数据的供需、加工、适配、融合、运作关系,才能实现业务。

三、数据架构的基本指标

除内容描述外,数据架构也体现为一系列的数据能力。国脉互联结合实际,将数据架构分解为4个子集,35个指标,展开如图2。这些指标既是数据架构的一般结构,也是体系化的数据能力需求。

图2 数据架构分级体系

图2的数据架构分级体系通过与“V字模型”结合,生成不同应用场景的数据结构与流程描述。为图1的“VO模型”的第3模块的展开切入体系。

四、面向数字化改革的数据架构

1) 业务协同模型解构

图1模型中V字部分两翼分别为“定准核心业务 → 确定业务模块 → 拆解业务单元 → 梳理业务事项 → 确定业务流程 → 明确协同关系 → 建议指标体系 → 汇总数据需求”为内容的业务协同模型,图3为将V字模型沿“业务协同模型”一翼展开得到初步架构。

图3 V字模型中“业务协同模型”8模块展开

2)数据共享模型解构

V字模型的另一翼为数据共享模型,由“形成数据共享清单 → 完成数据服务对接 → 实现业务指标协同 → 完成业务事项集成 → 完成业务单元集成 → 完成业务模块集成 → 形成业务系统”共7个模块组成。将其展开得到图4所示的

图4 V字模型中“数据共享模型”7模块展开示例

3)基于“V字模型”的数据架构讨论

“V字模型”是一套完整的业务定义模型,既是系统结构描述,也是数据流程描述。基于此模型的数据架构实际是图3与图4的集成,并要对其作字段级解构,才能在规范化业务构建与数据治理中起切实作用。

图3 与图4是在参考相关国际数据建模标准和对浙江一些政务系统建立与运行的经验基础上总结出的一般性数据架构,合成一体后具体说明如下。

(1)定准核心业务模板

业务协同均始于一个通用的业务范围与过程的定义框架,通常由业务主导机构发起,各相关方参与协同,“定准核心业务模板”从业务所涉领域与范围角度给出初期的轮廓性描述。

(2)确定业务模块模板

在定准核心业务后,要对其进一步分解,确定其具体业务范围,范围的划分应与各机构的职能与资源供需能力相关,并由此开展对业务过程的定义与描述。

(3)拆解业务单元模板

业务单元拆解涉及两要素:单元与过程,前者描述业务架构,后者描述业务顺序。“拆解业务”涉“计划-标识-共享-实现-实现后”的一般处理流程;业务单元拆解后,需要赋予相应的规范标识,以区分各业务过程涉及的不同业务机构内与机构间的资源共享与交换,以及相关资产处理的每个过程环节。

(4)梳理业务事项模板

业务事项梳理所涉对象与内容较多,需要:

① 在业务划分的基础上,描述业务“参与方-实施方-接受方-管理方”等对象与需求;

② 依据业务目标和资源供需,相关各方应就业务构架与运行方案达成一致;

③ 在上述基础上,确定业务过程,定义其中事项、参与方角色、约束条件、边界,与其他对象的关系,相关评估准则,从而得到共享与交换规则、参与方各阶段的角色、管理评估等所需的信息实体等。

梳理业务事项需要采用REA(资源-事项–角色)关联架构;业务流程描述中,要区分资产需求的粒,如“交互事项”是一种比“交互数据”粒度更大的资产板块,需要采用“数据-事项-角色-过程-支撑”等要素构成标准化、固定化,可调用与重用的资产构件。

(5)确定业务流程

业务流程的确定基于上述架构分解、结合过程分解后形成。同时,业务流程模板是在需求模板中增加过程描述需求,是业务需求描述的主要工具,结构上也是需求模板的顺序扩展。

(6)明确协同关系

描述架构由两部分构成:

(一)参与协同的各相关实体(机构+资源)描述,(二)业务协同描述,主要描述协同对象实体的特征与行为。实体特征的名称、类型、描述与约束条件等均应按相关业务数据标准来定义与描述;实体行为也参照相应规范描述。

(7)建议指标体系

除业务自身包含的指标外,对业务过程可设立指标体系,这些指标将跟踪业务过程将如何被执行。业务过程衡量指标可直接处理业务动态属性,结构化的业务过程衡量指标可处理业务静态属性。

(8)汇总数据需求

汇总数据需求是在对各项具体数据需求规范描述的基础上,生成的一系列业务协同数据需求表的汇总。

(9)形成数据共享清单

数据共享清单的描述应在“数据-事项-角色-过程-支撑”一体化框架中,参考前述业务协同框架进行。

(10) 完成数据服务对接数据服务对接应在业务协同基础上,综合考虑REA(资源-事项–角色)在交互过程中的对接。

(11) 实现业务指标协同

政务业务的深入与应用场景扩展,导致各类相关指标的各类、体量和层级都在增长,并随业务交融协同。各类指标资源需要独立管理维护,并共享至各关联机构系统中。

(12) 完成业务事项集成

业务事项集成多在跨机构交互过程中进行,并需要考虑跨系统数据安全因素。

(13) 业务实体生命周期模板

采用业务实体生命周期模板,是从数据角度,对“完成业务单元集成 → 完成业务模块集成 → 形成业务系统”三者的集成描述。从数据技术上,可将单元、模块、业务3级统一在业务实体生命周期框架下考虑,许多对象可通过对其中的对应模板的复用与组合来描述。

五、国脉“数能通”产品

国脉互联近期推出了“数能通”产品,为面向数字化改革的各类机构提供一个数据管理能力的构建与支撑平台。它首次将将数据管理能力的“O字模型”与“V字模型”融合为“VO模型”,即图1架构。图中“O字模型”由8个数据管理1级指标、28个2级指标,350~1000个3级指标与V字模型的15个模块结合,生成可支持各机构、各领域开展数字化改革的数字化能力项。

本文介绍了“数能通”中8个数据管理1级指标中的“数据架构”与“V字模型”的融合架构,其后将陆续介绍其他数据能力板块与“V字模型”的结合情况。为促使浙江数字化改革的成功方法与实施路径尽快普及,“数能通”平台提供了开放式“检测-诊断-治理”循环迭代的推进方式。“检测”是按“OV模型”对大数据中心或职能机构的数据管理能力进行检测与评估,形成机构的数字化能力画像,以可视化形式呈现;“诊断”则在检测基础上,分层逐级对标,找出其中的能力短板与管理资源缺失项;“治理”则依据数字化业务与改革需求,提出机构在数据资产、技术、制度、组织与流程等方面的综合整改的方案。

 

   
4114 次浏览       16
相关文章

基于EA的数据库建模
数据流建模(EA指南)
“数据湖”:概念、特征、架构与案例
在线商城数据库系统设计 思路+效果
 
相关文档

Greenplum数据库基础培训
MySQL5.1性能优化方案
某电商数据中台架构实践
MySQL高扩展架构设计
相关课程

数据治理、数据架构及数据标准
MongoDB实战课程
并发、大容量、高性能数据库设计与优化
PostgreSQL数据库实战培训
最新课程计划
信息架构建模(基于UML+EA)3-21[北京]
软件架构设计师 3-21[北京]
图数据库与知识图谱 3-25[北京]
业务架构设计 4-11[北京]
SysML和EA系统设计与建模 4-22[北京]
DoDAF规范、模型与实例 5-23[北京]
 
最新文章
大数据平台下的数据治理
如何设计实时数据平台(技术篇)
大数据资产管理总体框架概述
Kafka架构和原理
ELK多种架构及优劣
最新课程
大数据平台搭建与高性能计算
大数据平台架构与应用实战
大数据系统运维
大数据分析与管理
Python及数据分析
更多...   
成功案例
某通信设备企业 Python数据分析与挖掘
某银行 人工智能+Python+大数据
北京 Python及数据分析
神龙汽车 大数据技术平台-Hadoop
中国电信 大数据时代与现代企业的数据化运营实践
更多...