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 汽车系统工程   模型库  
会员   
   
软件架构设计方法、案例与实践
10月15日-16日 北京+线上
车载系统功能开发方法与实践
10月25日-26日 北京+线上
SysML和EA进行系统设计与建模
11月19-20日 北京+线上
     
   
 订阅
数据资产目录和业务流程分层架构的关系
 
作者:赛博漫步
  179   次浏览      5 次
 2025-9-24
 
编辑推荐:
本文主要介绍了数据资产目录和业务流程分层架构的关系相关内容。希望对你的学习有帮助。
本文来自于微信公众号赛博漫步,由Linda编辑、推荐。

摘要:基于业务视角,数据资产目录的分层架构和APQC的业务流程分层架构从L1到L5是一一对齐的,在L1层级通过业务功能强关联,在L2-L3层级保持一一对齐,在L4-L5层两者的对应关系相对弱化,需基于业务场景和技术实现,动态映射数据与流程活动。数据资产目录与业务流程的对齐,保证了数据与流程的一致性和灵活性,体现了“数据驱动流程,流程反哺数据”的双向协同治理逻辑,有利于企业提升数据和流程的治理效率和质量。

一、前言

流程和数据是企业信息化管理系统的两个核心要素,数据是流程执行的基础和结果的记录,而流程则是数据生成和应用的手段。通过对数据的深入分析和流程的持续优化,企业可以提高运营效率,优化决策过程,最终实现业务目标。企业在数字化转型的过程中需要建立自己的数据资产目录,方便用户查找和理解数据资产;数据资产目录更是连接业务需求与技术实现的桥梁,旨在解决数据不可见、难理解、难治理等问题[1]。如图1所示,数据资产目录和业务流程之间存在紧密的共生关系,两者分别专注于数据管理和业务流程的标准化和系统化建设,业务流程是数据资产目录建设的核心输入,而数据资产目录支撑业务流程优化。

图1. 业务流程与数据资产目录的关系

在设计业务流程和建立数据资产目录的时候,很多人会对数据资产目录的分层和业务流程的分层之间的关系比较疑惑,找到两者之间的联系纽带和对应关系,将会为企业数据治理和流程优化提供非常有益的帮助。

二、数据资产目录的分层架构

数据资产目录旨在为企业提供一个全面且结构化的数据视图。它通常包括:数据源、数据表和字段、数据元信息、数据标签、数据血缘、数据使用说明等信息。每个条目都可能包含数据的位置、所有权、质量、用途等相关元数据。企业数据资产通常采用分层架构来划分,以确保数据的有序管理和高效利用。根据不同的应用场景,数据资产目录可分为基于管理视角的、基于技术视角的和基于业务视角的三种形式。

基于要关注数据资产的管理和治理,让管理者掌握数据资产的全局情况,包括拥有哪些数据资产、数据资产分布、数据资产的质量、数据资产的使用情况等。主要分层形式有:1.组织层级分层架构、2.数据治理分层架构、3.数据生命周期分层架构等。

基于技术视角的数据资产分层架构主要关注数据的技术特性和存储、处理、访问等技术环节。通过数据资产目录,数据开发人员可以将自己负责开发的数据 资产发布到合适的资产目录下。常见的层级包括:元数据层、数据层、服务层、业务逻辑层、应用层、安全层、治理层、监控层等,企业根据自身的情况,可以合理选择和设计三层、四层、五层或多层的数据资产分层架构。这种架构有助于技术团队更好地管理和维护数据,便于IT部门开展工作,但业务部门参与度低,不利于推动数据认责。

基于业务视角的数据资产目录主要关注数据的业务特性和使用场景,有助于业务团队更好地理解和利用数据,提高业务参与度、增强数据资产的共享交换能力,同时便于推动数据治理工作。华为公司提出了一种基于业务视角的数据资产目录。数据资产目录是华为企业级信息架构(可以理解为数据架构)的四个组件(数据资产目录、数据模型、数据标准、数据分布)之一,其数据资产可以分为5个层级,数据资产目录的L1到L5层级的定义如表1所示[2]。L1层数据主题域分组是以企业业务功能为基础,采用“自上而下”的方法,形成数据主题域分组和主题域,从而确保数据主题域设计的完整性及合理性。

表1 华为数据资产目录各层级的定义

层级 名称 定义 示例
L1 主题域分组 公司顶层信息分类,按业务领域或功能域对数据进行分类。 销售、财务、客户、人力资源等
L2 主题域 互不重叠的高层面的分类,用于管理下一级的业务对象;通常同一个主题域有相同的数据责任人。 销售:订单管理、客户关系管理、销售分析等
L3 业务对象 业务领域重要的人、事、物,承载了业务运作和管理设计的重要信息,是数据管理的基本单元。 订单管理:客户、产品、订单、交易等
L4 逻辑数据实体 业务对象的逻辑表示,具有一定逻辑关系的数据属性的组合 订单:数据库表、视图、文件等
L5 属性 逻辑主体的详细属性或字段,反应信息管理最小粒度 客户的姓名、地址、电话等

三、业务流程的分层架构

业务流程是一系列有序的活动或步骤,这些活动或步骤按照一定的规则和顺序进行,以实现一个特定的目标或完成一个特定的任务【3】。业务流程的L1-L5分层通常用于描述业务流程的不同抽象层次。通过这种分层方法,企业可以从宏观的战略规划到微观的任务执行,全面理解和优化其业务流程。流程每个层级都有其特定的关注点和任务,共同构成了一个完整的业务流程体系。APQC(美国生产力与质量中心)给出了一个流程层级结构的参考定义,如表2所示。

表2 流程的各层级定义

层级 层级名称 定义 示例
L1 流程分类 业务功能域对流程进行分类,反映公司的业务模式和战略目标,覆盖公司的全部业务。 销财务管理、人力资源管理、销售与市场营销、生产与运营等
L2 流程组 对L1层的流程进行进一步细化,反映公司的业务领域和范围,是流程管理的基本单元。 销售与市场营销:市场分析、客户关系管理、销售订单管理、营销活动管理等
L3 流程 L3层将每个L2核心流程组进一步分解为具体流程。这些具体流程是L2层中更为详细和具体的业务活动,通常代表一些具体的业务操作和任务 客户关系管理:客户信息管理、客户需求分析、客户反馈处理、满意度调查等。
L4 活动 L4层将每个L3具体流程进一步细化为子流程。这些子流程是L3层中更为详细的业务操作步骤,通常代表一些具体的任务和活动。 客户信息管理:客户信息采集、信息更新、信息验证、信息归档等。
L5 任务 L5层是流程的最底层,将每个L4子流程进一步细化为具体的活动。将流程落实到人,使之可执行,完成流程目标所需要的具体活动。 客户信息采集:设计信息采集表单、收集表达信息、汇总信息等。

四、数据资产目录与业务流程各层级的对应关系

几乎所有的企业数据都是由业务产生的,主要体现在数据从采集、处理、管理到应用的全流程中,每一个步骤都需要根据流程的规定来进行,因此,基于业务视角的数据资产目录与业务流程框架,在一般应用场景下,各层级之间存在逻辑上的一一对齐关系。华为的数据资产目录与APQC流程框架的层级对齐关系和对应逻辑如表3所示。两者在L1层-L3层之间是一一对齐的,在L4层和L5层,需通过业务上下文关联映射。

表3 数据资产架构与业务流程各层级的对齐关系

层级 数据资产目录 业务流程 对应逻辑
L1 主题域分组 流程分类 确保数据资产分类与公司的核心业务活动相匹配
L2 主题域 流程组 将数据主题域与业务流程组相对应,明确数据管理的责任范围
L3 业务对象 流程 通过定义业务对象来反映业务流程中的关键活动和决策点。
L4 逻辑数据实体 活动 通过逻辑数据实体来描述业务流程的具体活动和操作。
L5 属性 任务 通过属性来定义业务流程中的具体任务和操作细节。

(1) L1主题域分组与L1流程分类

L1主题域分组与L1流程分类具有强关联性,两者在业务功能上直接对齐,它们是两个分层架构对齐的核心纽带。例如:数据资产目录的“财务管理”主题域分组对应流程分类的“管理财务资源”;数据资产目录的 “供应链”对应流程分类的“运营管理”。不同行业的企业有各自的业务框架,业务框架即可以表示企业完整的业务结构,也可以表示企业的部分业务功能。生产型企业的典型业务框架如图2所示,图中的各模块即是业务功能。数据资产目录和流程在L1层基于共同的业务功能实现对齐连接。

图2. 生产型企业的典型业务框架

通过业务功能对齐,可实现数据治理与流程管理的协同,确保数据资产分类与公司的核心业务活动相匹配。从协同管理的视角来看,可以将数据资产与业务流程的责任主体绑定,确保数据治理与业务需求的一致性。华为公司通过“数据Owner”机制实现数据资产与流程的联动,主题域分组的数据Owner由对应流程类别的GPO(全球流程责任人)担任。同时,数据标准、密级等治理规则需与流程规范协同制定。各级流程Owner就是该流程域的数据Owner,通过主管机构可任命各L2层数据主题域和L3层业务对象的数据Owner和数据管家。

(2) L2主题域与L2 流程组

L2层数据主题域与流程组相对应,可明确数据管理的责任范围。主题域是互不重叠的数据分类,管辖一组相关的业务对象,通常同一个主题域有相同的数据Owner,该数据Owner也是对应流程组的负责人。数据主题域的划分更关注数据的内在关联性(如客户的静态属性),而流程组的划分关注业务活动的连贯性(如客户档案的创建、更新、删除)。

由于数据资产的L3层必须是具体的业务对象,L2层主题域有时会有子分层,例如:L1的“财务资金管理”主题域下面有L2-1“资金管理”,以及下一级的L2-2 “账户管理”,然后才是L3业务对象的“银行账户”。在这种情况下,L2流程组需要定义子流程组,匹配数据资产目录的L2子主题域;同时建立映射规则:每个数据子主题域对应一个流程子组;或多个子主题域共享同一流程子组。通过自定义子流程组,实现与数据资产目录L2子主题域的精细对齐。这种扩展虽超出APQC标准,却是解决复杂业务场景中数据-流程协同的必要手段。

图3 L2主题域子分层示例

(3) L3业务对象与L3流程

L3业务对象用于定义业务领域重要的人、事、物,数据架构建设和治理主要围绕业务对象开展。数据架构主要通过业务对象实现与业务架构、应用架构和技术架构的集成。通常,一个业务对象会有相应的管理流程、管理组织,以及支持运作的IT系统。例如,“客户订单”业务对象与“订单管理”流程通过业务活动关联。业务对象可以反映业务流程中的关键活动和决策点。企业需按照业务对象任命数据Owner,并且每个数据只能有唯一的数据Owner。

(4) 数据资产目录L4-L5与流程L4-L5的弱相关性

数据资产目录L4逻辑数据实体是描述一个业务对象在某方面特征的一组属性组合。通过逻辑数据实体可以描述业务流程的具体活动和操作。一个数据实体支撑一个或多个流程活动的执行;而一个流程活动可能涉及多个数据实体的读写。

数据资产目录L5属性用于描述业务对象在某方面的性质和特性,通过属性可以定义业务流程中的具体任务和操作细节。数据属性是任务的最小数据单元,任务执行需读取或修改特定属性;任务可能生成新的数据属性。

数据资产目录的L4-L5与流程的L4-L5存在间接映射,这种映射依赖于具体业务场景的技术实现。以供应链管理的场景为例,数据资产目录与业务流程的相关层级对应关系如表4所示。流程L5的“生成发货单”任务需要依赖数据目录L5“发货单号”和L4“订单明细”数据实体,两者通过流程与数据的交互实现端到端的业务闭环。

表4 供应链资产目录与运营流程的层级对应示例

层级 业务流程 数字资产目录
L1 运营流程 供应链
L2 交付产品和服务 订单管理域
L3 履行订单 订单
L4 处理客户订单 订单明细
L5 生成发货单 发货单号、商品数量

五、分层对齐的意义

APQC流程框架与华为数据资产目录框架的分层对齐可构建“流程-数据”双驱动的治理体系,实现业务效率与数据价值的协同提升。

(1) 业务流程可清晰对应数据资产。数据资产目录的分层和流程的分层采用一致的分类和结构,可以让业务领域和功能域的划分保持一致,确保业务流程中的每一个环节都能够找到对应的数据资产,数据资产的可见性和可用性大大提高。

(2) 提供统一的管理框架。数据治理和流程管理通常是同步进行的,数据架构和流程的分层定义都需要遵循企业的数据治理和流程管理策略。数据治理团队可以基于业务流程的需求来优化和管理数据资产,确保数据的准确性、完整性和一致性,同时简化数据管理和维护,提升数据治理效率。

(3) 促进跨部门的数据共享和业务协作。通过对齐,不同部门可以更容易共享和访问相关数据。例如,采购部门和供应链管理部门可以通过采购流程和供应链流程,共享采购数据和供应链数据,优化供应链管理。在数据资产更好地服务于业务需求的同时,也可以基于业务流程的需求来优化数据资产。例如,通过分析业务流程中的数据使用情况,可以识别数据资产的冗余和不足,进行优化和补充,提升数据资产的价值。

(4) 增强数据合规性和安全性。通过对齐,可以在业务流程的每个层级中落实数据合规和数据安全要求。例如,在每个业务流程层级中,可以明确数据质量标准和数据安全要求,确保数据治理的有效性和一致性,

六、结语

数据和流程之间存在紧密的共生关系,形成了数据支撑流程,流程反哺数据治理的闭环,体现了“数据驱动流程,流程反哺数据”的双向治理逻辑。基于业务视角,华为公司数据资产目录分层架构和APQC的业务流程分层架构从L1到L5是一一对齐的,两者各层级的定义是一致且相互匹配的。在L1层是强关联,在L2-L3层保持一一对齐,在L4-L5层两者的对应关系逐渐弱化,需基于业务场景和技术实现,动态映射数据与流程活动,避免机械的层级对应。两者分层架构的对齐,实现了从数据字段到流程步骤的完整链路透明化,保证了端到端数据的可追溯性;数据资产目录能够紧密跟随业务流程的变化,保证了数据的一致性和准确性,提升了企业的运营效率和决策质量。

   
179   次浏览       5 次
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

最新活动计划
软件架构设计方法、案例实践 10-15[北京]
数据架构、数据治理数据运营 10-17[北京]
车载系统功能开发方法与实践 10-25[北京]
SysML和EA系统设计与建模 11-19[北京]
AI辅助软件测试方法与实践 10-26[北京]
OCSMP 认证培训课程 11-18[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...