随着大数据时代的来临,企业的数据越来越复杂、业务需求改变日益加快,现有的关系数据库管理模式无法及时和快速地处理业务需求的改变。当业务需求发生改变时,无法及时地对异构、多源的数据模式进行修改,满足新的数据应用需求,影响数据管理系统的正常运行,需要花费大量的时间、人力和物力去解决业务改变带来的问题,周期长、成本高、效率低,不满足企业快速发展的需求。针对上述问题,本文提出了企业数据空间的数据模式演化技术,提供一套相关的数据模式演化理论,通过数据模式匹配找出数据模式间的差异,自动计算数据模式演化操作序列,来解决企业的业务需求频繁变化给数据管理带来的挑战。首先,提出分层组织模型对企业的各种异构数据进行统一组织和管理,利用数据资源目录对数据进行多维多角度的灵活组织,并利用属性图模型对各种异构数据模式进行统一描述和管理。其次,在利用属性图模型对各种异构数据模型进行统一描述和管理的基础上,根据数据模式的结构信息和元素信息,改变初始相似度的计算方式和匹配结果过滤的具体方法,改进Similarity Flooding算法,通过人工校对得到更加准确的数据模式匹配结果,得到数据模式间的差异。最后,针对数据模式演化过程中产生的冲突进行了分类,并提出了解决数据模式冲突的策略和具体的解决方法,制定了数据模式演化的基本操作和组合操作,采用数据模式静态转换算法,自动计算数据模式演化的操作序列,最终实现了企业数据空间的数据模式演化。综上所述,本文提出了企业数据空间的数据模式演化技术,设计并实现了企业数据空间的数据模式演化系统,利用企业中的真实数据进行了数据模式演化实验,验证了本文研究的有效性和可行性,为企业更好地应对实际业务需求的频繁变化带来的挑战提供了方法,降低了企业数据管理的成本,提高了企业数据管理的效率。