知识图谱与数据治理

本方案主要使用从被动管控向主动服务转型,依托嵌入式与微服务提供治理能力。

构建数据治理图谱,实现治理能力的赋能应用。

打造端到端实时数据审计能力,形成数据链路全程保障。

提供实时治理能力,支持复杂分布式实时计算框架下的数据资产管理诉求,并通过图形化业务编排能力,实现,离线、实时一体化数据治理与敏捷运维。

整体架构

微服务组件

依托数据治理的基础功能框架,将核心公共能力进行封装,形成标准化的服务,并将能力微服务化,嵌入到第三方系统或由其调用,以服务促管控,提高数据服务的开发与应用能力;

 

2

数据目录与图谱

(1)元数据管理模块,数据治理图谱中的元数据涵盖了大数据系统中的模型元数据、系统资源信息、数据生产元数据、数据应用元数据、业务场景、业务流程、组织与管理要素等元数据信息及其关系;

 

(2)数据治理知识图谱,依托元数据实体信息和元数据关系服务,对数据、业务、管理之间复杂关系进行分层解耦,形成三层的知识图谱,利用数据来反馈业务能力,明晰两者如何协助来达到最终业务管理的目标,提升企业数字化的整体能力。

 

3

场景化应用能力

(1)智能分析应用,主要包括智能分析、导航分析、图谱分析、时空分析等应用场景;

(2)高效开发应用,主要包括辅助建模、需求分析、自适应质量监控和智能梳理等功能;

(3)资产运营应用,主要包括运营监控、模型共享、数据体验和资产价值评估等功能。

 

4

基础管理能力

主要包括数据标准管理、数据架构管理、业务流程管理、组织架构管理、数据模型管理、数据质量管理、存储周期管理等平台基础管理能力,为上层服务和应用提供全面支撑。

  • 3
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
企业知识图谱数据治理是指对企业知识图谱的数据进行管理和维护的过程。它涉及到数据的收集、存储、清洗、融合、审计、共享和保护等方面的工作。数据治理的目的是确保企业知识图谱的数据准确、完整、可信、安全、可用,并符合法律和法规的要求。具体来说,企业知识图谱数据治理包括以下方面: 1. 数据收集:企业知识图谱需要从各个数据源收集大量的数据,包括结构化数据、非结构化数据、半结构化数据等。 2. 数据存储:为了方便企业知识图谱的访问和查询,需要将数据存储到适合的数据仓库,如HDFS、Hbase等。 3. 数据清洗:数据质量的影响因素非常多,其一个重要的因素就是数据的清洗。数据清洗包括数据去重、数据过滤、数据标准化等。 4. 数据融合:企业知识图谱需要将不同的数据集成到一个逻辑模型,数据融合是这个过程至关重要的一步。 5. 数据审计:对企业知识图谱数据的使用情况进行审计,以确保数据使用符合规范和政策要求,并且安全可靠。 6. 数据共享:对于企业知识图谱的数据,需要在不违反法律和安全规定的情况下,分享给更多的利益相关者,如研究人员、企业管理者等。 7. 数据保护:企业知识图谱的数据可能包含了敏感信息,需要采取各种手段来保护数据的安全性,如加密、权限管理等。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值