09｜数据架构：如何以价值导向设计？

1. 主数据在企业业务流程中具有高价值、高一致性，并被多个系统频繁引用、跨部门共享的核心数据实体。 2. 主数据的一致性问题会对企业数据体系的整体价值和可信度产生严重影响，尤其在智能化时代。 3. 企业可以借鉴行业成熟的主数据参考模型，如金融服务业模型和证券数据运营模型，以建立并维护一份统一的顶层主数据视图。 4. 数据集成是数据架构的核心目标，需要在多个微服务之间共享和同步关键数据对象的过程，以实现服务间的高效的数据共享与协同。 5. 数据集成方式包括API调用、事件驱动、数据复制、主数据管理等，需要根据实际业务需求和技术条件选择合适的方式. 6. 以事件梳理为抓手，推动数据流转，通过事件驱动的方式，将局部的微服务能力与整体业务流程协同起来，打通不同职能流程之间的壁垒，实现跨服务和跨领域的数据流转和业务协同。 7. 以用户触点梳理为抓手，推动数据流转，通过识别用户与系统之间的交互节点，深入分析其中的低效环节与优化潜力，实现数据流转的方式解决低效环节。 8. 以系统断点梳理为抓手，推动数据流转，识别和分析系统间的“断点”，通过数据流转的方式，或是借助大模型的推理能力，来部分或完全替代人工操作和判断。 9. 以价值为导向的数据架构设计能够帮助企业看到“整头大象”，是数据架构设计的重要理念。 10. 数据架构的设计本质上是在推动我们以“数据叙事”的思维方式，来补充甚至替代传统的“流程叙事”模式。