元数据是大数据平台的一个基础，大数据平台是以元数据为中心进行构建的。一个大数据平台能够把元数据管理好，那么这个平台就成功了一半。那么对于元数据我们能够规划些什么，是否可行？
数据规划的时候都规划什么
数据的规划都规划些什么，具体来分的话大概包括两个层面的规划，一个是表层面的，一个是字段层面的。
表层面的规划
表层面的规划涉及到数据仓库设计了。会包括了数据仓库分层、业务线划分。
数据仓库分层
对于数据仓库的分层也就是我们在数据仓库领域中常常听到的ODS、DWD、DWS等等层级了。
在一般建表过程中，只需要在表名称之前增加前缀来区分不同层级即可。但是在大数据平台上，我们还希望增加一个类似分层的标签。来区分表分别属于什么层级。
如果使用的是向导式的建表过程，可以直接在建表过程中，增加数仓分层的选择，这样在建表过程中就确定表所属数仓分层。如果是脚本式建的表，就需要表创建完成之后，再进行一次维护，因为在脚本式的文本编辑框中，是没有办法标记，表属于什么分层的，当然，除非表的分层和底层存储的数据库具有逻辑关系，即不同的数据仓库分层，即是不同的数据库。(好像大部分实际情况也是这个样子的)。
业务分层
一张表除了需要确定是什么数据仓库分层的，还需要确定是什么业务域的。一个数据仓库一般是汇总多个业务线数据，这些业务线中有的业务域重叠，有的是独有的。这就需要按照实际的业务情况进行划分。如果说数据仓库的分层是一个技术问题，业务域的划分就是一个业务+技术的问题了。需要对业务足够熟悉，又能知道把这些业务怎么进行技术表达，做到不重不漏。
在表上进行业务域的打标签，和进行数仓分层基本类型，如果向导式的可以直接在创建过程中进行打标。如果是脚本式，则需要再维护一次了。
表层面的规划，可行吗
回到上面的问题，数据规划可行吗？个人认为在表层面的规划是可行的，也是有必要的。有了这些数仓分层、业务域划分，就能够很好的找到数据，或者后续对不同的层进行治理，审视。
💡 个人感觉在大数据领域更多的是一个经验领域，每个人都有自己的认识，各种名词也都不能完全统一，各种理解也会有各自的角度，这里更多的是从自己的实际工作理解出发，后续可能随着工作接触不同层面，理解也会变化。
字段层面的规划
另一个层面的规划，字段层面的规划，这个层面的规划是否能够可行那？又有哪些可以在字段层面进行规划那？
数据指标
数据指标的使用，首选需要数据指标的统一。
数据指标的统一，在有一个系统支持之前，一般使用一张excel表进行管理，使用一个表格统一需要的指标口径，这种情况下可能小范围统一是可行的，如一个项目组，以为一个项目组内的信息拉齐很简单。如果要更大范围，变成全公司、全集团级别的指标对齐，就不能单单依赖Excel了。而是有一套系统，有指标的创建、审核、发布、下线等流程。
有了统一的数据指标，但是最终可以在两种场景下使用。一种是建模场景下的数据指标，一种是OLAP场景下的数据指标。这里的数据字段级别的规划，主要是在建模场景下的数据指标规划。
🔑 数据指标使用，个人划分为建模场景下的数据指标使用和OLAP场景下的数据指标使用。这两种场景多少有些细微的类似，但是又多少有些细微的区别，也说不好这样分有没有道理，先暂且这么记录吧。
如果有了全公司统一的指标口径之后，在建模场景下能在哪里使用。个人认为只能在图形化向导式创建元数据过程中使用。在向导式创建元数据的时候，将字段名由输入框，变成下拉选择形式，只能选择已经发布的指标来创建表，而不能随便输入任意字段。这样就能够从元数据层面上确保所有类似含义的指标在名称上、口径上是一致的，不会出现相同含义字段不一致的问题。
但是，这种向导形式，在实际的数据开发过程中是否适用，是不是能够强力的推广图形建模，而将SQL语句形式禁止掉。个人认为可能并不是特别可行。这必然会拖慢研发效率，在实际中不一定能推广开。
数据标准
这里只说下数据标准的使用，暂时不说数据标准的确定，后续会单独写下确定数据标准。数据标准里通常还会包含码表的部分，就统一称为数据标准，不做单独的区分。
如果确定了标准，最终在哪里使用那？个人感觉都是在向导式的创建元数据中后，去选择一个数据标准，也就是将这个数据标准和这个字段进行一个关系的绑定。绑定关系确立之后能做什么？如果是进行质量的校验，把不符合标准的数据过滤出来，又和数据质量有关了。如果不和数据质量有关，那确定了标准之后，的然后那，就好像没有什么然后了。所以一直也没有想清楚，数据标准在创建元数据过程中起到一个什么样的定位，还需要再学习下。
🔑 个人没有接触过工业领域的数据标准，感觉工业领域对于这种数据长度、精度等数据标准的应用场景可能会更多些。
字段层面的规划可行吗
字段类的规划在实际中能够跑的通吗？说实话，目前没有看到过跑通的案例。两方面原因吧。
一方面，不管的数据指标还是数据标准，字段级的规划都需要图形界面支持，也就是向导式来创建元数据，这样创建元数据的形式需要一行一行添加，字段多的情况下，需要设置的内容太多了，研发人员也不一定会接受。
另一方面，就是大部分公司都已经有了一定的基础了，也就是有历史的数据，在这种场景下可以称之为历史包袱了，没有办法说把所有的都调一遍。
存在即合理？
如果按照存在即是合理的理解，只能是自己还没有遇到过具体的业务使用场景。数据指标如何使用，数据标准如何使用，这个还需要继续深入研究下。
但是有一个有趣的点。就是各个云厂商好像又都有这个模块，不知道是他们想清楚了怎么用，还是因为有了这个模块在竞标功能项上不丢分，至于是不是能用起来，就不是云厂商的事情了。
据传Dataphine能够将字段层面的规划用起来，因为使用Dataphine的一个前提是，从头开始，从规划、建模、开发。如果在流程上严格的做到建表向导化，也是可行的。据说这个也是为啥阿里既有Dataworks又有Dataphine的原因。Dataworks面向的就是有历史包袱，Dataphine重头再来。当前也可能仅仅因为人力资源过于丰富了。
网友评论