农业银行基于FS-LDM模型构建企业级数据模型

中国农业银行将数据建模方法与DataOps全生命周期的标准化流水线相结合， 从组织模式、管理制度、系统工具为数据模型结构提供全方位支撑。在组织模式方面，明确数据模型研发各环节的角色职责和人员分工，共同推动 数据模型的建设和管理工作。在管理制度方面，梳理数据研发运营全链路中各类技术、业务制度和规范，发 布可实施的技术标准，包括模型设计规范、测试规范等，形成管理“软规范”。

在系统工具方面，通过平台工具将模型设计过程与数据标准、数据质量管理要 求融合，建立质量门禁，形成“硬约束”，保障数据模型设计规范的落地执行。

农行的大数据体系在经历了基础数据平台、大数据平台、数据中台1.0三个阶段 后，迈入了数据中台2.0阶段。农行数据模型最初的框架主要参考了Te reda ta公司 的FS-LDM的主题划分方式，采用三范式建模与维度建模相结合的方法；当前的数 据模型在此基础上补充了业务领域视角，与农行产品目录的划分保持一致，形成了 数据视角和业务主题结合的通用数据视图。农行基于企业架构视角以维度建模为主，结合三范式建模的设计方法，如存 款、贷款、理财等实体的设计采取维度建模，参与人相关实体的设计采用三范式建 模。采用以数据驱动为主，业务驱动为导向，通过双向结合的方式既保证设计的数 据模型符合业务实际发展导向，又保证了数据模型建立在现有的真实数据基础之 上，从而间接地保证了数据模型的易懂性与可用性。随着数据架构的演化，农行引入了数据湖的新技术，拓宽了数据底座，以数据 湖为源对数据架构进行了优化，分为基础宽表、通用宽表、服务宽表三层逻辑架 构。

随后基于数据资产视角细化主题域模型框架，本着便于业务人员理解和技术人 员实施的原则，细化模型框架时按照客户性质、业务条线、凭证类别、渠道类型等 进行划分，将各个分支尽可能的细化。同时确保模型的可扩展性，具体步骤如下：