新闻资讯

数据架构的实践之路(三)-数据职业发展路线

2020年12月18日,由中国信息通信研究院、中国通信标准化协会联合举办的“2020数据资产管理大会”在京召开。在金融论坛上,Datablau数语科技创始人&CEO王琤发表了题为“金融业数据架构的实践之路”的主题演讲。


此文为演讲的第三部分。 


第三块就是比较轻松的话题,跟大家聊聊职业发展这个事,因为前面都是讲的数据架构,所以数据架构师、数据建模师、数据工程师这三者到底是什么关系,这三者都需要一些什么样的技能。


之前像哈佛商业评论谈到“数据科学家是21世纪最性感的职业”,现在这个叫法改了,改成“数据架构师是21世纪最性感的职业”,因为确实数据架构师是这个企业里面最大的宝藏。

数据架构.jpg

数据架构师既懂平台又懂业务,而且是业务大于技术。搞数据其实跟开发代码是类似的,包括跟建筑是类似的,有一帮人是很高端的,做建筑的设计,就像坐在最豪华的写字楼里的建筑事务所里的设计师,还有一帮人是搬砖的,这两帮人不一样,可能我们在座的也是一样,有些人还在搬砖,有些已经上升到未来可以坐在高端的写字楼做建模设计,这个也是一样的。

数据架构.jpg

我们讲架构师、工程师和搬砖的工人,三者是完全不一样的。架构师更多是从业务需求的角度,来考虑这个问题,工程师是确保当天的这个东西吻合当天的计划,工人是干具体活的。同样,我们数据架构师、数据工程师和数据工人,和建筑领域也是一样的,数据架构师也是满足业务需求,就是做数据模型设计的这帮人,就是坐在高端写字楼里建筑师事务所的这些人,要非常了解业务,他是既懂数据又懂业务的。工程师确保这个需求实现正确,也至少要能读懂数据模型。最右边的是天天写SQL或者写ETL的数据工程师,就有点搬砖的性质了。虽然现在还是高端,但是未来这三个群体差异会越来越大,左边的架构师肯定是高端定位。

数据架构.jpg

这里列了数据行业的角色,及所需要的技术栈。第一块先看架构师,第一他们要了解业务需求,所以他们其实要看懂和能设计出来数据模型,不管是高阶的概念模型,还是逻辑模型,还是物理模型。


最左边高管(CxO),他们愿意看EA,就是业务流程图,尤其是一些制造业,他们就想知道从物料到生产,到加工,最后要deliver出去,整个业务流程是什么样的,有哪些环节,这个是高管最关心的。


数据建模师Data Modeler,这些人一方面还是会了解一些业务,像西方我觉得最早我们接触的那帮真正画模型的人,其实好多都是业务出身,他首先要知道有一些核心业务的对象,哪些核心业务的对象的属性,关联关系。


再之后就是数据开发工程师,这块强调实操的东西,数据库里怎样去实现, ETL怎么写,数据存储,数据库运维等。

数据架构.jpg

 

Datablau提供国内唯一的数据建模工具,及数据模型管控平台,在很多的大型企业已经大面积使用。同时我们本身也是提供一些数据架构相关的咨询服务内容,我们团队很多以前一直都在搞模型,本身我们对这些行业模型都蛮熟悉的,银行、保险、证券、基金、电力、航空等等,我们也是积累了很多行业的命名词典、行业规范等。我们也可以提供相关的培训服务。


Datablau Data Modeler简介


DDM(Datablau Data Modeler)是国内首创的专业建模工具,是数据治理体系的重要组成部分。数据模型是“所有系统、文档和流程中包含的所有数据的语境。是生数据的知识。”换句话说,如果没有数据模型,组织IT系统中收集和存储的所有数据都会失去意义,也就没有业务价值。


Datablau简介


北京数语科技有限公司(以下简称“数语科技”)成立于2016年,是专注于数据治理领域的国内自主知识产权的专业软件产品提供商,主要业务是数据治理软件产品的研发与销售。数语科技的创始团队全部来自CA erwin,天然具有世界级水准的软件产品开发能力。


创始人兼CEO王琤:曾任职erwin全球研发总监,拥有超过十年以上数据建模和数据管理的从业经验。


CTO朱金宝:曾任职erwin首席架构师,先后服务多家全球知名企业,并曾全程参与中国建设银行数据治理项目,目前全面负责Datablau软件平台的研发工作和关键项目的实施工作。


数语科技根据DAMA理论和中国国情独立研发Datablau新一代数据治理平台,平台由Datablau DDM数据建模产品和Datablau DAM数据资产管理平台两大部分组成,全部拥有软件著作权和知识产权,一站式全面满足中国企业的数据治理需求。其中数据建模产品DDM是Datablau填补国内空白的重量级产品,帮助中国客户摆脱国外产品的垄断现状。2018年,Datablau数据治理平台通过了中国信息通信研究院严格苛刻的产品评测并获得的“最佳大数据产品”奖。


更多渠道了解我们

官网:www.datablau.cn

关注我们,及时了解数据治理干货

24.jpg

推荐阅读 查看更多