随着企业数据继续呈指数级增长 ， 全球企业正在通过实施大数据素养和数据治理计划。但是 ， 为了从数据中获得最大的业务价值 ， 组织需要战略思维以及先进的技术。
为了将数据作为竞争资产 ， 组织现在已转向基本的数据架构原则来寻求答案。 那么， 数据架构的基本原则有哪些呢？
数据质量 ( DQ )是强大的数据架构的核心要素。数据质量对于构建有效的数据架构至联重要。治理良好的高质量数据有助于构建准确的模型和强大的架构。质量的数据还有助于提取有价值的见解。数据架构经常被忽视，它是良好数据架构的核心原则。这相关机构提醒数据质量是数据架构中最被遗忘的方面之一。
数据治理 ( DG )是构建数据架构的关键因素。与上述原则密切相关 ， DG策略管理企业数据 ， 无论其来源、类型或数量如何。在数据生命周期的任何时候 ， 用户都必须知道位置、格式、所有权和使用关系 ， 以及与数据相关的所有其他相关信息 。 因此数据治理策略对于数据架构的成功至关重要 ， 因为它们在可扩展性， DQ和合规性问题上执行“看门狗”的工作。
数据来源对于定期审核是必要的。数据来源是一组关于数据的信息 ， 它从原始来源跟踪数据 ， 直到数据被处理为止。如果用户不知道如何收集、清理和准备数据 ， 那么他们就不会知道底层数据架构的可靠性。gendan5.com/zs/hscei.html
上 下文的数据是必需的元素。区分属性将一个数据实体与另 一 个数据实体区分开来。户首先需要了解数据中存在的实体以及哪些属性将它们彼此区分开来。除非完成此步骤 ， 否则用户将无法理解数据的上下文或其提取见解的角色。区分属性可帮助数据架构师理解上下文中的数据 ， 这是数据建模的必要步骤。
需 要了解每个属性的详细信息粒度。数据架构师必须确定每个属性所需的详细信息级别。数据架构需要在正确的详细级别存储和检索每个属性 ;因此 ， 这是构建高性能数据架构的关键步骤。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70014563/viewspace-2930600/ ，如需转载，请注明出处，否则将追究法律责任。
