数据架构展示了不同数据管理系统如何协同工作的高层视角。 其中包括许多不同的数据存储库，例如数据湖、数据仓库、数据集市和数据库等。 这些存储库结合起来可以创建越来越受欢迎的数据架构，例如数据结构和数据网格。 这些架构更注重将数据作为产品，通过 API 提高元数据的标准化水平以及跨组织的数据民主化程度。

以下部分将深入探讨这些存储组件和数据架构类型：

数据管理系统的类型

数据架构的类型

数据结构：数据结构是一种架构，它侧重于数据提供者和数据使用者之间的数据价值链中的数据集成、数据工程和治理的自动化 数据结构基于“活动元数据”的概念，使用知识图、语义、数据挖掘和机器学习 (AI) 技术来发现各种类型元数据（例如系统日志、社交等）中的模式。 然后，将这种洞察应用于自动化并编排数据价值链。 例如，它可以使数据使用者能够找到数据产品，然后自动向他们提供该数据产品。 数据产品和数据使用者之间数据访问的增加减少了数据孤岛，并提供了更完整的组织数据视图。 数据结构是一种具有巨大潜力的新兴技术，可用于增强客户概要分析、欺诈检测和预防性维护。  根据 Gartner 的数据，数据结构使集成设计时间减少 30%，部署时间减少 30%，维护时间减少 70%。

数据网格：数据网格是一种去中心化的数据架构，按业务领域来组织数据。 使用数据网格时，组织需要不再将数据视为流程的副产品，而是开始将其视为产品本身。 数据生产者充当数据产品所有者。 作为主题专家，数据生产者可以利用他们对数据主要使用者的理解为他们设计 API。 这些 API 也可以从组织的其他部分访问，提供了更广泛的受管数据访问渠道。

数据湖、数据仓库等相对传统的存储系统可以作为多个去中心化的数据存储库来实现数据网格。 数据网格还可以与数据结构一起使用，借助数据结构的自动化，可以更快地创建新的数据产品或执行全球治理。