如何成为一个合格的数据架构师？( 四 ) _数据架构师

（4）前瞻性
及时告警和预警功能，提前处理问题。
加分项：应用系统一个应用系统是怎么诞生的？可以通过软件工程这门课程学习，需求分析、概要设计、详细设计、软件开发、软件测试、试运行、上线、运维、下线等整个过程。
一个应用系统一般会有前端、后端和数据库，对于我们数据架构师，我们至少要知道，怎么开发一个系统，怎么保证一个系统的稳定。特别是“稳定”，我们要对高可用、负载均衡、安全有深刻的认识，需要考虑到应用（Tomat）、数据库（MySQL）、其他中间件（缓存服务、文件服务等）。

高可用：系统一个节点发生故障后能进行无感切换，这个很重要。
负载均衡：使压力均衡进行，它决定了系统的扩展性。
安全：磁盘阵列（raid0、raid1、raid5、raid10）、防火墙、授权、认证，及数据安全，防泄防篡、脱敏加密、防丢失等。

在做架构决策时，知道哪些操作可能会影响业务系统，才能设计更好的数据架构。
锦上添花：算法DT 时代已至，未来一定是“数据 +AI”的天下。所以作为数据架构师，我们可以不会写算法，但我们要了解且会使用算法。
这里的算法主要指机器学习算法，初学者可以理解下预测、分类（聚类）的概念（其实很多图像和语音识别的算法也可以归为预测和聚类算法中）。
可以用 Python 模拟最简单的线性回归，进阶则研究逻辑回归。

监督学习算法：支持向量机 (Support Vector machine，SVM)、决策树、朴素贝叶斯分类、K- 临近算法（KNN）；
非监督学习算法：K- 均值聚类 (K-Means)。优点是算法简单容易实现，缺点则是可能收敛到局部最小值，在大规模数据集上收敛较慢。可在图像处理、数据分析以及市场研究等场景应用；
强化学习（深度）算法：如果不想转职算法工程师，目前仅作了解即可。

最后分享算法开发的简化版步骤：

数据准备（数据同步）；
问题明确（明确分类还是回归问题）；
数据处理（合并、去重、异常剔除）；
特征工程（训练集，测试集、验证集）；
选择合适的算法；
模型评估（若评估不合格，则考虑：①换算法；②调参数；③特征工程再进一步处理）。

总结：建立属于自己的知识索引其实，无论是什么岗位，自学能力都很重要。我们可以为自己建立一个知识目录或知识索引，按照知识索引去查漏补缺，不断丰富自己。
作为一名数据架构师，我们要懂点硬件、懂点网络、懂点安全，了解应用，熟练掌握一门开发语言，深入理解一个数据库，实操过大数据，精通数据仓库技术（建模 +ELT），有深度，有广度。