随着近些年来，开源、自动化、云化的兴起，DBA职业也正悄然发生一些变化。经常有朋友咨询我，职业发展规划；特别是近期Oracle的大幅裁员之后，针对DBA这一职业未来该如何发展？本文是个人对此问题的一些看法，仅供各位参考！
数据是核心
将DBA单词分解一下。其对应的
操作对象：数据
操作介质：库
操作角色：管理员
这里的核心是数据，也是DBA这一角色最大的价值所在。他们最了解数据、最懂得数据的价值；因此DBA后续可发展的一些方向，也基本是与数据有关。
此外，对于数据要有更加宏观的认识，无论是企业的自有数据，还是外部获得；无论是关系数据，还是其他模式数据；无论是保存在数据库中，还是其他诸如日志等介质中，数据对企业都非常有价值，要将数据作为一种"资产"来管理。只有上升到这样的高度，数据相关岗位的价值也就凸显出来。
阶段不同，侧重不同
企业对数据应用水平不同，因而造成工作重心及岗位需求也有所不同。下面简单描述下各个层次：
层次一，是以数据库维护为主，常见表现是"救火队员"型。很多初创企业，都经历过这一过程。数据库维护基本靠人，随着运维体量的增加，需要线性增加人员。整体数据应用水平，基本处于简单、粗放型。
层次二，仍是以数据库维护为主，但已形成较为完善的运维体系。除了基础运维之外，甚至可以考虑一些预防性的措施，提高整体的运维效益。这一阶段的体系化建设，往往是通过文档、运维平台等沉淀下来。数据库作为基础设施层，已可提供较好的数据存储、计算能力输出。但此阶段尚未从更高角度去考虑数据问题，仍仅限于运维层面。
层次三，数据设计应用阶段，企业已不满足数据简单的"存取类"需求，而是从更高的应用角度，考虑如何提高整体数据应用水平。这个阶段会增加数据库架构、设计，加强业务端数据优化工作。表现为增加产品DBA的角色，加大数据库架构权重等。
层次四，数据架构治理阶段，企业不单从某个应用、某条业务线去考虑数据问题，而是公司整体层面做数据的顶层设计。考虑建立专门的机构（如数据委员会）或岗位-首席数据官（CDO）。近些年来，颇为火热的"数据中台"，正是为迎合这一需求而产生的。
基础运维工作，繁琐枯燥
作为基础类的运维工作，数据库的要求是比较高的。上图简单罗列了部分工作，对DBA日常繁琐工作可见一斑。正是基于这点，平台化、自动化、云化的诉求，不断被提出。进而间接对DBA的能力提出了更高的要求。
DBA职能，向上进化
基于前面数据应用水平所谈到的，企业内部DBA也对应承担了几类职能。自下而上的是数据物理架构、逻辑架构和业务架构。公司内应用水平高低，也决定了DBA各类工作的比例侧重不同。随着公司数据应用水平的不断提高，DBA工作重心也应从下层逐步转向中上层。
数据物理架构，对应为"运维DBA"，工作重心为基础架构的建设。
数据逻辑架构，对应为"产品DBA"，工作重心为数据库架构、架构设计及SQL质量问题。
数据业务架构，对应为"数据架构师-DA"，工作重心在于数据治理、管理类工作。
DBA面临冲击不断
近些年来，DBA职位受到很大一些冲击，我摘其重要的几项说明下。
去IOE，阿里最早提出"去IOE"的叫法。它的提出，让人们第一次领悟到，企业的核心应用是可以不依赖于传统的国外大型商业数据库，进而提出了一种新的解决思路。
开源与商业，企业发展阶段不同，对于开源还是商业软件的使用存在类似上图的收益/成本曲线。当发展到一定阶段时，是必须要考虑引入开源。企业要从技术战略角度出发，考虑这一问题。
"四化"，数据库基础运维工作，经历了从手工、脚本、工具、平台的发展阶段。其发展特点表现为"四化"（平台化、可视化、自动化、智能化）。这一发展方向也对DBA的技能要求产生了一些变化，特别是对研发的技能要求已成为必要条件。
云，是未来的发展方向。从全球范围来看，云生态的数据库占比在8%，未来预计在3~5年内，会提升到20%~30%。这无疑是巨大的飞跃。对于DBA而言，云环境下的数据库工作有别于传统环境，需要从多方面去适应，工作重心也要有所调整。
技术 OR 管理
DBA职业发展，向上面临的第一个选择就是发展方向，是走管理路线还是技术路线。上图给大家描述了两种不同方向的区别，个人可根据自己特质，对号入座。这里要避免一个误区，就是"以管理为上"，这其实就是官本位思想的体现。不是每个人都适合管理路线，放在不恰当的位置上，对人的发展是一种摧残。
客观判断，承认上限
在明确了发展路线之后，就需要对自身的发展阶段有所判断。无论是技术还是管理，都存在这样一个进化理论，即越走向高级阶段，其淘汰率越高。要客观、理性地认识到自己所处的阶段。从上述比例也可以看出，能走到高阶职位的毕竟是少数。虽然可以通过一些方式（后面会谈到）做突破，但是仍然有较大概率无法取得既定目标。此时，要勇于承认这一点，调整自己的职业定位，谋求新的发展方向。
高度与广度 + 全局思维
取得职业发展突破，有两个小的建议。
#p#分页标题#e#
高度与广度。在职业发展初期，需要有个快速成长的"原始积累期"。这里谈到的原始积累，不是财富，而是技术技能。要在某专一领域，尽量达到自己的技术高点。会存在某个点，你已经无法突破达到更高的高度时，要谨慎分析原因。如确实非主观原因，那么要坦然接受它。剩下来的技术发展，可考虑横向发展，即将自己打造成"T字型"人才。上面谈到的高点很重要，它会决定你的技术"视野"。
全局思维。即不要仅仅从技术角度考虑问题，特别是达到一定高度之后，可更多地尝试从业务角度、人的角度考虑之前面临的问题，也许你就会有新的发现。全局思维，会有助于你发现原有发展阶段的瓶颈点，实现突破。
DBA职业选择路线
前面讲了很多，那么DBA职业发展可考虑哪些方向呢？下面试图给出一些可能的选择。以下仅仅是本人根据自己所熟悉的领域给出的选择，不代表全部。
选择：数据库技术、数据库业务
数据库技术。这是一个比较容易的选择，即在某数据库领域里不断精进自己，以达到一个更高的目标。职业定位是首席DBA、DBA专家等。如果考虑这个发展方向，建议考虑乙方或云厂商，因为他们对技术本身要求更高。甲方角色，受限于自身环境，一般很难有需要不断突破的技术氛围。
数据库业务。将数据库技术与公司业务相结合，突出在某业务领域的数据能力。这是需要在某行业打磨多年，充分了解其业务特点，不断抽象出其数据要求。这一方向可考虑行业的头部公司或者是专为某行业服务的ISV。
选择：内核研发、数据库架构
数据库内核研发，是相对"小众"的一类人才需求，一般只有大型企业/云厂商或数据库厂商会考虑设置。其专业性较强，人员素质要求也较高。建议选择高起点的一些企业，对个人长期职业发展有利。
数据库架构师，这是一个相对综合类的职位。"架构"的含义比较模糊，各企业对架构师角色的定位也各不相同。一般能考虑设置数据库架构师角色的企业，都是有一定规模，企业内数据应用比较复杂的情况。下面根据我所在公司的实际场景，尝试给出一个数据库架构师的技能图谱，供各位参考。
一家之言：数据库架构师技能图谱
上图罗列对数据库架构师本身要求的十二项基本能力要求，各项能力的要求不同，我通过左侧的饼图比例大小予以说明。当然能符合全部要求的人，少之又少。公司可根据侧重，有所取舍。上述技能要求，可大致分为四类：
数据自身技能，如数据库、大数据、数据治理、数仓等
关联领域技能，如基础设施、云、容器等 - 研发方向技能，如DevOps等
综合技能类，如业务思维、软技能（如沟通技巧）
选择：数据架构、数据产品 #p#分页标题#e#
数据架构，不同于"数据库架构"。数据架构，更强调于顶层设计，需要对数据有全局的思维，帮助企业做好整体数据规划设计工作。它不在拘泥于某种技术，而是着眼于数据整合、安全、共享、价值、资产等问题。
数据产品，也是一种综合类职位。需要对技术本身有一定深入的了解，但更强调其技术广度。此外需要有产品化思维，能将业务需求，转换为产品功能设计。
选择：解决方案架构、数据库布道者
解决方案架构，往往是从"售前架构"、"技术顾问"等角色体现出来。其核心要点是具备一定技术能力的同时，还要有甲方思维，能够了解用户痛点，能从技术角度帮助客户解决现有问题。这里不光是销售自己的产品，更重要的是给客户带来价值。
数据库布道者，少数的选择，只针对有一定技术影响力的人员才可以考虑。是一种偏向于自由职业者的选择。
选择：数据治理、数据仓库
数据治理，是一项比较"浩大"的工程。随着企业对数据的重视程度越来越高，这一岗位也愈发重要起来。其强调几个关键过程域的活动，提升企业整体数据应用水平。右图中给出的DAMA的过程域图例，供大家参考。
数据仓库，是一个处于转型中的职位，传统的数仓做法，目前已不适应现代企业要求。但其核心的数据建模理论，还是具有指导意义的。因此各大互联网公司，均有自己颇有特色的数仓实践。可以考虑大厂或行业头部客户作为选择。
选择：大数据、运维开发
大数据，作为大"DBA"的范畴，大数据领域某种意义上将也是一种数据库。当然它有其自身的特殊性，表现为技术分散、变化快、没有统一标准、对研发能力有一定要求等。
DevOps，运维开发。适合有一定研发基础的DBA选择。
选择：项目管理、技术管理
项目管理，DBA是一个比较综合类的职位，在沟通、协调、组织方面，与项目管理有相似在之处。因此，可以考虑转型做项目管理类职位。
#p#分页标题#e#
技术管理，DBA职位的涉及的技术领域较广，如稍加留意是可以涉猎很多关联领域。这与技术管理类对技能诉求，有一定相似。再加上其对软技能的要求，是可以考虑将技术管理作为发展方向。在圈子中也发现不过高级管理人员，都是DBA出身，不无一定道理。
写在最后
面对一个充满不确定性的未来，唯一能确定的就是变化。让我们拥抱变化，努力改变今天的自己！
【编辑推荐】
一篇运维老司机的大数据平台监控宝典（1）-联通大数据集群平台监控体系进程详解
一篇运维老司机的大数据平台监控宝典（2）-联通大数据集群平台监控体系详解
Github一天标星1k+，程序员需要知道的那些定理和法则
2019高考编程卷：谷歌面试编程题及解题技巧（MIT版）
还在用Github管理机器学习项目？你早该了解这些更专业的新工具！
