数据架构的核心是数据编排：定归属、控流转、促聚合

TOGAF对数据架构的定义（组织内外所需信息资源的结构、分类和关系）是从结构维度描述的；从功能维度看，数据架构涵盖数据模型、元数据、数据标准、数据质量、数据流转、数据安全等广泛内容——但拆到最核心的地方，数据架构关注的是需要准备哪些数据来支持系统落地。数据可以被视为一种知识类型，它的价值主要体现在流转和交换的过程中；但流转交换发生之前需要先解决一个前提问题——确定选择哪些数据进行流转和交换，这本质上是数据的编排问题。所以数据架构的核心就是数据编排，数据的价值要靠编排才能真正发挥出来、进而实现业务架构目标。数据编排包含几项具体任务：一是为数据定义归属，确定哪些数据属于哪个应用或系统——在数据建模阶段，还要为每个数据指定一个”主应用”，主应用相当于该数据的管家，负责数据的全生命周期管理（但主应用不一定包含数据的全部维度，有些维度可能以关联方式被其他应用修改，很多数据还需要设计副本，主副数据源关系要在数据分布视图里体现出来）；二是确认数据应当如何流转和交换，通常按业务场景、数据规模、实时性、安全性等制定不同的数据流转”模板”（如联机数据流转架构、批量数据流转架构），并建设统一的数据流转平台来保证数据完整、安全、不延时；三是数据归集——数据天生具有聚合倾向，更大粒度、更多量级的数据往往能发挥更大作用，即便研发阶段无法完全集中处理，也要确保在数据归集时把具有聚合效应的数据存放到一起。数据架构的最终目标是安全、准确、快速地获取数据。

结构图：

flowchart TB
  D["数据架构核心=数据编排"]
  D --> D1["数据定义归属<br/>(每个数据指定主应用=管家,负责全生命周期)"]
  D --> D2["数据流转/交换设计<br/>(按场景制定流转模板,建统一流转平台)"]
  D --> D3["数据归集(聚合效应)<br/>(粒度/量级越大,数据价值越大)"]
  D1 --> G["目标:安全/准确/快速地获取数据"]
  D2 --> G
  D3 --> G