3.2　数据架构基本概念

3.2.1　数据架构

架构是对组件要素有组织的设计，旨在优化整个结构或系统的功能、性能可行性、成本和用户体验，是用于描述信息系统的重要设计部分。在国际标准ISO/IEC/E42010：2011中，将架构定义为“系统的基本结构，具体体现在架构中的组件、组件之间的相互关系以及管理其设计和演变的原则”。然而，从全局来理解“架构”一词可以指对系统当前状态的描述、一组系统的组件、系统设计的准则（架构实践）、两个系统或一组系统的意向性设计（未来状态或计划的架构）、描述系统的构件（架构文档）或执行设计工作的团队（架构师或架构团队）等。

数据架构是数据管理的基础。由于大多数组织拥有的数据超出了个人可以理解的范围，因此，有必要在不同抽象层级上描述组织的数据，以便更好地了解数据，帮助管理层做出决策。

数据架构的构件包括当前状态的描述、数据需求的定义、数据整合的指引、数据管控策略中要求的数据资产管理规范。组织的数据架构是指不同抽象层级主要设计文档的集合，其中主要包括数据的收集、存储、规划、使用和删除等标准。这是按照数据的生命周期来对数据架构中包括的内容进行定义和范围界定的，同时也可以按照数据在组织系统中所存储的容器和路径来进行定义和确定范围。最为详细的数据架构设计文件是正式的企业数据模型，包含数据名称、数据属性和元数据定义。

数据架构的基本组成部分包括数据架构成果，包括不同层级的模型、定义、数据流，这些通常被称为数据架构的构件；以及数据架构活动，用于形成、部署和实现数据架构的目标；还有数据架构行为，包括影响企业数据架构的不同角色之间的协作、思维方式和技能。

3.2.2　医院数据架构

医院数据架构体系是在医疗机构原始数据的基础上，通过标准定义及分层建模，最终呈现一套完整、规范、准确、可用的数据体系（组织级数据模型），为数据应用提供可靠、高效的支撑。医院数据架构分为操作数据层、数据仓库层、标签数据层和应用数据层，如图3-3所示。

操作数据层（Operational Data Store）：对医院各个业务信息系统（业务数据域）的数据进行采集、汇聚，形成全域数据。数据结构与业务信息系统基本保持一致，不做深度清洗加工。

数据仓库层（Data Warehouse）：按照一定主题，定义一致的指标、维度，提取历史业务过程数据进行维度建模存储，形成统一规范的标准业务数据体系。

标签数据层（Tag Data Model）：面向对象建模，对各个数据域的特定对象数据进行标化、整合，通过ID-Mapping链接同一对象类的数据，形成对象的全域标签体系，提供数据的深度分析、挖掘和应用。

应用数据层（Application Data Store）：按照业务的需要从数据仓库、标签数据层提取数据，并面向业务的特殊需要加工业务特定数据，向特定应用组装应用数据。

数据体系的建立，能够有效消除医院目前存在的数据来源、数据描述、数据标准、计算方法不一致等导致的数据孤岛和信息烟囱问题。

数据体系建设的关键内容是标签数据层的建设，其建设过程如图3-4所示。

标签归属到一个主对象，按照产生和计算方式的不同分为属性标签、统计标签、算法标签。属性标签描述对象的固有特性；统计标签是特定场景下，对象的维度和度量的组合；算法标签是指通过逻辑分析推理得到的规律性结论。对象标识用来标识一个对象，在业务域内每一个对象一个唯一的标识符。标签类目是标签的分类组织方法，是标签信息的一种结构化描述。标签融合表将生成的对象标识、属性标签、算法标签、统计标签组合起来，成为数据标签层的产出物。

图3-5是通过数据治理后形成的，由数据汇聚、数据开发、数据体系、数据资产管理、数据服务体系构成的数据资源框架。来自医院各个业务信息系统的源数据，进行汇聚、开发、构建、管理等处理后，为用户提供诸如全数据视图、辅助决策、精细管理、精准诊疗、绩效管理等数据增值服务。

3.2.3　数据架构能力评估等级标准模型

对照GB/T 36073-2018《数据管理能力成熟度评估模型》的数据架构能力评估等级标准模型（见表3-1），给出数据治理的基本内容与策略，从稳健级起步逐渐向上提升。