完整的设计方法

1. 3个构建前提

三大构建前提

统一的数据思维

1. 数据认知
   判断企业对自身数据是否有清楚统一的认知，主要看它能否回答好以下三个数据问题并形成统一答案:
   数据在哪？数据价值在哪？数据怎么用？
2. 数据架构
   IT时代，企业信息架构是不言自明的基础设施；DT时代，数据架构是用来保障数据流通畅，使数据资源运转为数据资产并作用于业务、产生商业价值的生命线

在数据架构中，最底层是各业务系统通过业务流程或有目标的数据留存所产生的信息系统数据。利用采集、交换等方面的工具，技术人员可以将各业务系统中的数据进行清洗、交换、汇总，形成企业的数据中心。这一过程完成了业务数据化

在数据中心中，数据开发人员可以利用离线、实时、算法开发等不同的计算引擎工具对数据进行多种类型加工：将原始数据梳理、加工成可供业务理解、查看、使用的数据资产并存放于资产管理工具中，之后不断治理优化。此过程完成了数据资产化

在资产中心中，经过标准化组织和梳理的数据资产经筛选后被灌入服务组件工具中，业务人员、产品经理、应用开发人员只需快速配置即可创建数据服务（API）。在服务中心中，可以对所有数据服务的调用、运行等情况进行计量、全局监控和调度配置。这一过程完成了资产服务化

创建好的数据服务（API）可以直接对接现有的业务系统或者封装成带交互界面的数据应用产品，最终支撑业务解决问题或提升业务执行效率，产生商业价值。这一过程完成了服务业务化

企业数据构架图

3. 执行保障
   领导层必须给出数据战略的方向指引，并调整组织结构以进行相应的组织支撑
   管理层需要将数据战略转化为战术保障，制定以数据为导向的具体作战计划和考核指标，引导数据战略的有效细化和向下传递
   执行层需要根据作战计划和考核指标，积极努力地保障数据流的平稳推进、数据架构环节的有序衔接，并通过数据思维、数据知识的学习不断提高操作、使用数据的能力和边界
4. 价值驱动
   企业要统一认识到，数据的打通汇总、资产的治理优化、架构的深度塑造、战略的保障实施最终都是以数据资产价值的实现为最根本目标。脱离了数据资产的价值体现，单独讲数据交换、治理优化、架构设计、组织保障都是空中楼阁。因此要打通哪些数据，构建哪些数据资产，如何治理优化，构建怎样的数据架构，配套哪些支撑，都需要从价值出发去思考。
5. 场景能力
   传统的数据产品从需求出发，先有明确的使用场景，再定义清楚所需功能和数据项，最终按照既定的规则将它们开发实施出来。

充分的前期调研

1. 业务场景调研

   
   业务调研参考问题

2. 需求痛点调研

   
   需求调研问题参考列表

3. 数据摸底调研

   
   数据调研问题参考列表

正确的落地思路

1. 根据业务流程梳理数据类目体系
2. 根据业务需求设计标签类目体系

2. 6个设计步骤

识别对象

同一对象数据打通

1. ID-Mapping技术
2. One-ID

数据化的事物表达

构建数据类目体系

构建标签类目体系 ❤

前后台标签类目体系

6个设计步骤这一块没仔细看....非常啰嗦...