对数据网格感到困惑?你并不孤单。而以领域为中心的和数据治理“基于设计的原则”感觉简单直观，但最大的问题是“你如何执行数据网格?”

好吧,呼吸。数据网格原理并不新鲜。组织已经建立了数据模型，建立了数据仓库，掌握了数据并确保了数据质量。数据治理工件定义和建立策略，检查!利用现代灵活的数据仓库和知识图来导航数据和数据关系，以获得洞察力，检查!由数据主题专家创建和填充的本体、分类法和数据目录，检查!

数据网格所做的是将数据策略从主要的分析可视化转变为动态数据和实时解决方案。数据开发和应用程序开发相互冲突，因为数据是为实时、分布式和物联网应用程序设置的。数据网格用业务语言将数据建模为业务的孪生兄弟。这使得以声明式方式处理数据成为可能，并简化了数据组件与应用程序组件的集成。想想看，您可以用一个公共框架快速创建和扩展洞察驱动的解决方案。

以物流行业为例。卡车、铁路和航运与供应链运营和客户紧密相连。数据生态系统依赖于内部和受控的几个领域，以及具有共享和同意政策的外部数据。数据网格通过为流程中的每个决策和步骤应用特定于切换点的标准、定义和协议来解决互操作性的基础问题。当高速公路上有20分钟的备份时，高速公路基础设施的数据可以实时获取，并用于优化卡车路线，以保证按时交货。基础设施和卡车以共同的语言协调和沟通，以获得正确的结果。

塑造数据网格应用从观察世界演变为通过数据驱动价值影响世界的五个因素是:

  1. 语义。展开要表示的逻辑域定义和模型语义观点和理解。通过以关系、分类、标签和标记的形式应用业务语言，处理数据变得具有声明性。在无代码/低代码应用程序开发环境中，语义改进并加快了正确数据与业务流程所需数据之间的映射。数据和应用程序结果之间更好的互操作性。
  2. 数据产品。应用程序依赖于服务和api来访问数据源和管道。这些元素或组件是数据产品．数据产品输出数据源、事件、查询、模式、控件、洞察等。它们的设计目的是匹配应用程序的数据需求，并承担处理复杂数据逻辑的重任，以简化应用程序流程路由，或者提供服务来平衡和优化生产有效负载的成本与性能。
  3. 投资组合管理。根据2021年Forrester Analytics Business Technographics®数据与分析调查，数据工程面临的最大挑战是数据产品管理。由于数据产品是在更细粒度的级别上定义的，因此项目组合管理对于维护顺序和确保功能的一致性、速度和重用至关重要。数据产品组合管理的权力均衡带来了数据开发与更广泛的解决方案和业务数字组合的协调。因此，数据根据能力、优先级以及定义的价值和结果进行对齐。
  4. DataOps。与其为单片部署执行数据开发和工程，DataOps承担数据产品的敏捷和持续集成和交付。企业和业务线级别的架构师提供模式和蓝图作为起点，以抵消潜在的技术债务。数据工程师拥有他们开发的产品，这意味着DataOps将通过持续优化和生命周期管理来对数据供应的质量、速度和结果负责。因此，数据是由设计决定的，而不是事后的想法。
  5. 联邦。回到数据的语义，与主题专家的联系必须是强大的和天生的。大型企业和全球性组织正在构建组织和运营模型，以涵盖集中式数据和治理基础以及共享工件，同时还将数据开发推向业务线的解决方案团队。在业务部门中，数据工程师被提升为整个应用程序开发团队的成员。然后，他们负责向集中式数据服务环境提供他们的产品和以领域为中心的知识。

利用数据网格驱动的数据决策提升您的业务成果。评估您在数据管理、工程、治理和消费实践中成功的五个数据网格因素方面的能力。确保这些能力中心相互协调和交织。请记住，数据网格不仅仅是关于数据;它是关于让数据为一个有弹性、有竞争力的业务工作。