数据架构是识别企业数据需求，并以这些数据需求为出发点，设计和维护的主蓝图，以使用这些主蓝图来指导数据集成、控制数据资产，并使数据投资与业务战略保持一致（DAMA-DMBOK2）。

小明打算在有生之年买一套北京二环内的房子，相关机构需要分析小明是否有买房资格，这是业务需求；那么为了分析小明的买房资格，最起码需要小明的身份数据、婚姻数据、在京纳税数据、在京缴纳社保数据、在京房产数据，这些是数据需求；为了有效获取并集成这些数据，以实现相关机构分析小明买房资格的业务需求，我们需要下图所示的数据架构（注：此处只是简单例子，企业真实数据架构含有很多组件，会复杂很多）。

作为连接企业架构中其他三个架构（业务架构、应用架构、技术架构）的关键纽带，数据架构解决了业务与数据间的映射，规范了应用架构中的数据集成关系，指导了技术架构的技术选型。

具体来说，数据架构在企业中的作用，可总结为以下四点：

作为企业数据层面的主蓝图，数据架构管理了整个企业的复杂数据和信息交付，数字化时代，企业拥有的数据量远超出员工的理解范围，数据架构使企业能在不同的抽象层次上表达数据，为数据管理奠定了坚实的基础。

数据架构是对企业当前数据状态的整体性描述，通过数据架构，企业数据状态一目了然，通过分析数据架构中的不足与业界的差距，可以帮助企业定义未来的状态目标，帮助企业快速制定战略数据需求。

数据架构为整个企业提供了一致的数据语言（包括标准业务词汇表、标准技术元数据等），将业务架构中的业务需求转化成为了数据、系统、技术需求，使不同部门和不同身份的技术和业务人员在数据层面达成一致，为数据标准化和数据集成提供了良好的支撑。

数据生命周期中包括了数据的创建、获取、移动、转换、存储、维护、共享、使用、处理等诸多流程，在整个生命周期中数据可以被清理、转换、合并、更新和汇总，涉及到太多的数据流转过程，规范数据在诸多生命周期阶段的流转细节可能会非常复杂，要求不同阶段之间相互理解并随时达成一致，此时数据架构必不可少。

1、数据模型——数据架构的核心

2、数据流——数据与数据间的关系

3、价值流——数据与业务间的关系

4、数据定义和数据标准——数据架构建设的准则

现在数据中台建设已经成为企业数字化转型的必选件，数据架构需要从模型为导向，走向以服务为导向。传统数据架构更重视内部信息的建模和梳理，为信息化打下了很好的基础。未来数据建模依然是企业数据架构的基础，这点毋庸置疑，但是为了使数据架构真正落地，为数据消费端服务，未来在数据建模的同时需要考虑数据服务需求，提前确定服务水平协议（SLA，Service Level Agreement），这将会成为未来企业数据架构规划的重点。

数据建模与数据集成依然是数据架构的重要任务，但数据集成方式应该参考服务化架构，不应该再单纯关注底层模型，以梳理现状为主，而应该从数据与业务的关联入手，在模型层之上规划需要提供给业务的数据服务，在数据模型设计时就要让业务明白数据服务与底层数据的关系。

客户数据、采购数据、互联网数据、IOT数据等对数字化企业越来越重要，数据架构需要重点规划外部的数据模型，以实现企业内部数据与外部数据在模型层面的连接。自GDPR（通用数据保护条例）发布以来，由于数据安全的收紧，外部数据的整体数据流也需要详细规划。

数据架构的演进远远没有结束，伴随未来DataOps等场景的出现，数据架构会越来越走向最终的数据消费端，这部分内容会有更多的变化和新发现。