来源：中国企业数字化联盟
（三）混合云的数据架构
随着数字经济发展，数据已和其他要素一起融入经济价值创造过程，对生产力发展有广泛影响，而混合云作为一种新型的IT架构，实现了多云协同、云上云下协同，为数据要素的流通提供了最有利的支撑。根据企业的需求，混合云可以支持多种数据应用场景，例如：
- 将私密数据放在本地，非私密数据或公开访问入口放在公有云；
- 从公有云获取数据，使用公有云的计算服务，分析后存放在本地；
- 使用公有云的计算服务（如Al分析服务），分析本地的数据；
- 数据访问能力在高峰期能利用公有云的资源进行无限拓展；
- 多数据中心通过公有云实现星形连通从而实现物理分散、逻辑统一的数据互通；
- 多级云互联，上下级云之间可以实现协同计算；
- 本地数据能加密备份在公有云，或者实现跨云的灾备。
由于混合云构建在跨云、跨地域的IT基础设施上，其数据架构的主要内容是多云、多地域的数据整合、管理和应用。但是从本质上讲，混合云的数据架构依然遵循企业架构的设计方法，并没有因为混合云IT架构的复杂性而产生本质的变化，只是在数据的分布、计算的方式上产生了更多的新技术和新形态。
从体系架构的视角出发，连循数据资产化、数据标准化、数据服务化、数据价值化等原则，数据架构由数据目标、数据标准、数据模型、数据分布、数据治理与数据安全等部分组成。
数据目标是指建立面向业务的数据思考模型，建立面向未来的数据规划思维，这是打通数据孤岛、实现数据全集成的基础。基于业务目标或者业务假设，提前做数据利用的思考和规划，而不是等到业务系统已经构建好了，再去思考数据的事情，那个时假往往数据孤岛已经形成了。而混合云自身的IT架构的复杂性，就使得数据目标规划尤为重要，否则导致的跨云、跨地域的数据孤岛是一件更加灾难性的事情。
数据标准是对各项数据的规范化定义与统一解释，对数据间的关系、业务规则及数据质量要求的统一定义、建立数据标准体系，能够实现跨云、跨业务、跨系统的数据统一和全局化管控，包括主数据管理、基础数据管理、数据交换标准管理。
数据模型包括概念模型、逻辑模型和物理模型。数据模型设计要充分考虑性能，可用性和可维护性等，尤其要针对混合云IT技术架构考虑相关的非功能性指标。定义良好的数据模型可以反映业务模式的本质，确保数据架构为业务需求提供全面、一致、完整的高质量数据，且为划分应用系统边界，明确数据引用关系，定义应用系统间的集成接口，提供分析依据。
数据分布有数据集中存放和数据分布存放两种模式，这两种数据分布模式各有其优缺点，需要综合考虑自身需求，以及数据关联性、数据类型、数据量、并发数、网络带宽、安全边界等情况，确定具体数据分布策略以及数据访问策略。同时，还需要分析数据的实时处理、批量处理、实时检索、交互查询等应用场景，选择混合云服务中适合的数据服务。
数据治理指的是在数据全生命周期进行管控和治理，简单来说通过数据集成、数据管理和数据应用，构建“采集一分析一决策一反馈”的数据价值闭环。完整的数据治理流程还应该包括建立相应的组织和制度，发布数据标准、定义数据质量、监控反馈评价等内容。数据集成主要包括结构化数据和非结构化数梯的探查、采集、转换和集成；数据管理主要是对基础数据、基础数据组织融合后产生的衍生数据进行存储和管理，通过元数据管理和主数据管理形成完善、可用的数据视图。数据应用主要包括数据服务以及统计、预警、预测等智能分析。
数据安全是指用于保护数据的流程和技术，阻止无意、有意或恶意的未经授权对数据进行访问、查看、修改或别除的情况发生。混合云带来的分布式的系统部署、开放式的网络环境，复杂的数据应用和众多的用户访问，对数据安全带来了新的挑战，海量，多源、异构、动态性等大数据特征导致网络边界变得模糊，传统的骑于边界的安全保护措施不再适用，多平台的身份认证、授权访问、秘钥服务及安全审计要求越来越高，同时系统中存在大量的个人数据，一旦淮露后果十分严重。
