《全链路数据治理-智能数据建模 》——客户案例：大淘系数据模型治理最佳实践（6） https://developer.aliyun.com/article/1230765?groupCode=tech_library
四、 未来规划
1. 应用层效率
在整个数据体系中，应用层的数据体量是最大的，投入了大量的人力。OneData 缺少对应用层的数据建设指导，集市高度耦合，给运维效率带来了不少问题，如跨集市依赖、依赖深度的问题。过去都是以业务为主导，为了保障研发效率放弃了部分研发规范，以后要完善应用层的研发规范，同时通过工具做好研发效率与规范的平衡。
2. 架构规范管控
基于分层标准落地，对研发过程规范完善，包括对设计、开发、运维、变更、治理等规范进行细化。
目前核心是表命名规范，对依赖规范、代码规范、运维规范等管控能力尚不足。
3. 产品工具提效
将继续与Dataworks 共建。
• 应用层智能建模能力还不能满足研发效率要求，因此会继续功能提效。
• 数据测试功能集成。
• 数据运维功能升级。
• 事中数据治理能力构建（开发助手）。
• 事后治理能力提效（批量删除、主动推送优化等)。
• 数据地图，找数用数提效。
《全链路数据治理-智能数据建模 》——客户案例：大淘系数据模型治理最佳实践（8） https://developer.aliyun.com/article/1230751?groupCode=tech_library
