Medailonová architektura v praxi

Medailonová architektura je způsob, jak v datovém skladu vést data třemi vrstvami — bronze, silver a gold. Bronzová uchovává surová data přesně tak, jak přišla ze zdrojů, stříbrná je čistí a propojuje, zlatá z nich počítá metriky pro dashboardy. Jméno pochází od firmy Databricks, princip je ale starší a funguje na jakékoli technologii. Níže projdeme, co se v každé vrstvě děje na příkladu běžného e-shopu, proč se díky vrstvám dobře hledají chyby — a kdy jsou tři vrstvy zbytečný obřad.

Odkud se ten název vzal

Termín „medallion architecture” zpopularizovala firma Databricks, když popisovala práci s daty v konceptu lakehouse. Metafora je prostá: bronzová, stříbrná a zlatá medaile — čím výš, tím ušlechtilejší data. Databricks hlavně dal jednotné jméno něčemu, co datoví inženýři dělali léta, jen to každý nazýval jinak: staging, čisticí vrstva, prezentační vrstva.

Kořeny sahají ke dvěma klasikům oboru. Bill Inmon prosazoval centrální sklad jako jeden čistý, konzistentní zdroj pravdy, do kterého data tečou ze zdrojových systémů. Ralph Kimball přinesl dimenzionální modelování — uspořádání dat tak, aby se nad nimi dobře stavěly reporty. Medailonová architektura obě školy skládá do tří vrstev se srozumitelnými jmény. Žádná nová technologie, spíš úklid v pojmech.

Tři vrstvy na příkladu e-shopu

Vezměme modelový e-shop: prodává na Shoptetu, inzeruje ve Skliku a na Meta, účtuje v Pohodě.

Bronze: surová data, přesně jak přišla

Do bronzové vrstvy padá všechno v té podobě, v jaké to zdroj vydal. Objednávky ze Shoptet API včetně kompletního JSON, denní útraty kampaní ze Skliku a Meta Ads, doklady z Pohody. Nic se nečistí ani nepřejmenovává; ke každému záznamu se jen poznamená, kdy a odkud dorazil.

Vypadá to jako plýtvání místem. Ve skutečnosti je to pojistka. Bronze se nikdy nepřepisuje — když se později najde chyba v transformaci, nemusíte nic stahovat ze zdrojů znovu, vrátíte se k surovým datům a přepočítáte. A když Shoptet za půl roku změní strukturu API, máte doloženo, jak data vypadala předtím.

Silver: úklid a párování

Ve stříbrné vrstvě se z „toho, co přišlo” stává „to, s čím se dá počítat”:

• sjednocené formáty — datumy v jednom tvaru, částky s DPH i bez, kódy produktů podle jednoho číselníku,
• odstraněné duplicity — objednávka, kterou API poslalo dvakrát, existuje jednou,
• spárované entity — objednávka ze Shoptetu se potká se svým dokladem z Pohody a útrata kampaně s objednávkami, které přivedla.

Tady tráví datový inženýr nejvíc času. Párování napříč systémy je přesně ta část, které věnujeme největší díl práce, když datový sklad stavíme — v ní se rozhoduje, jestli výsledná čísla budou sedět.

Gold: metriky připravené pro dashboardy

Zlatá vrstva odpovídá na byznysové otázky. Z propojených dat se počítá marže po odečtení nákladů na zboží, dopravu a reklamu, PNO po kanálech nebo obrátka zásob. Tabulky jsou uspořádané tak, aby je reportovací nástroj přečetl rovnou — typicky do hvězdicového schématu: uprostřed prodeje, kolem nich zboží, čas a kanály.

Podstatný detail: definice každé metriky žije na jednom místě. Marže se počítá jedním způsobem pro všechny reporty, ne třikrát jinak ve třech tabulkách.

Proč se díky vrstvám dobře hledají chyby

Každá vrstva má jeden úkol — čištění je oddělené od počítání metrik. Právě proto platí hlavní praktický přínos: každé číslo v reportu dohledáte zpět až k surovému zdroji. Dashboard ukazuje podezřele nízkou březnovou marži? V gold ověříte, jak se metrika počítá. V silver zjistíte, že se k části objednávek nespárovaly doklady. A v bronze najdete příčinu: účetnictví ten měsíc poslalo doklady s jiným formátem variabilního symbolu. Oprava zabere odpoledne a přesně víte, kterých reportů se týkala.

Bez vrstev je sklad jeden velký skript: na jednom konci vstupují zdroje, na druhém vypadává report a chyba se hledá ve všem najednou.

Kdy je medailon zbytečný — a kdy nutnost

Poctivě: tři vrstvy nepotřebuje každý. Pokud máte jediný zdroj dat a jeden týdenní report, je medailon obřad bez obsahu — stačí tabulka a pár dotazů. Smysl dostává ve chvíli, kdy se potkává víc systémů, které si navzájem nerozumějí, a kdy na číslech stojí rozhodování o penězích. E-shop s reklamou ve dvou třech systémech, účetnictvím a skladem je přesně ten případ: bez oddělených vrstev dřív nebo později přestane jít zjistit, proč čísla nesedí.

Technologie je přitom vedlejší — proto o medailonu mluvíme jako o filozofii, ne o nástroji. Stejný vzor stavíme na PostgreSQL u varianty Growth i na Azure Databricks u varianty Pro; mění se výkon a cena, logika vrstev zůstává. Rozdíl mezi oběma cestami rozebíráme v článku o ceně datového skladu.

Chcete sklad, ve kterém se každé číslo dá dohledat až ke zdroji? Ozvěte se — projdeme vaše systémy a navrhneme vrstvy pro váš e-shop.