数据治理那些事儿 数据治理势在必行

数据治理势在必行

终于在那天人们回想起了:

业务分析师不得不对IT部门负责,因为他们不知道如何导航信息管理系统数据库,即使他们可以也不会被授予访问权限。IT部门打印出月度报告并分发它们,就像摩西从石头上下山一样。

随着个人计算机的出现,权力的平衡从根本上发生了变化。突然之间,商人可以访问电子表格,并可以创建自己的计算和分析,即使数据仍然大部分无法触及。然后是客户端/服务器计算和急于分散数据,带来了新的可能性,但也因为不同部门使用不同版本的数据而产生混淆。分析师争论谁的版本是正确的。分析现在可以由业务分析师完成,但如果没有就数据源的合法性达成一致,则会出现混乱。

数据治理的曙光

IT部门使用数据仓库进行响应,数据仓库会在断开连接的交易系统中收集数据,仅用于分析。出现了聪明的报告工具,可以更轻松地操作,加入和汇总原始交易表,甚至可以将它们下载到电子表格中。当然,原始数据仍然存储在不同的应用程序和格式中,但只要付出足够的努力,就可以诱使数据仓库理解所有这些,提供客户,产品,资产和位置等维度。但是,要实际生成一致的客户和产品列表,必须解决底层系统的不一致问题。

主数据管理(MDM)诞生了,与此同时,还需要数据治理策略。鼓励或哄骗业务用户决定哪些客户和产品的分类是“黄金记录”,要在整个企业中高举,哪些将被投入到部门特定的本地术语的荒野中。这是一个经常激烈的过程,不同的部门争论哪个是分类数据的最佳方式。一些公司文化比其他文化更适合这种方法。高度集中的公司习惯于从高度但分散的方式决定结构,并努力保持数据治理结构。这些公司的分析师认为自己是自由战士,而中央办公室的分析师则认为他们是数据恐怖分子。

数据治理——数据质量管理平台

通过 EsDataClean,可以及时发现、定位和解决数据仓库建设过程中各环节的数据质量问题,并完成问题数据的流转和处理,同时对数据质量进行评估和监控,有助于不断改进数据质量管理水平,大大提高数据仓库建设效率及展现层的数据可靠性。

EsDataClean用于解决业务系统运行、数据仓库建设及数据治理过程中的数据质量问题。它以标准化的数据质量规范为基础,运用数据挖掘、数据分析、工作流、评分卡、可视化等技术帮助组织建立数据质量管理体系,提升数据的完整性、规范性、及时性、一致性、逻辑性,降低数据管理成本,减少因数据不可靠导致的决策偏差和损失。

产品架构

数据治理——元数据管理平台

亿信元数据管理平台元模型以Meta Object Facility(MOF)规范为基础,支持XMI格式的元模型导入和导出,同时内置大量技术元数据、业务元数据的元模型,用户可直接使用。元模型管理对元模型的基本信息、属性、父子关系、依赖关系、组合关系的增删改查操作,内置元模型的内置信息不允许修改或者删除,但可进行新增操作。

管理架构

对元数据信息的维护除界面手动操作方式外,亿信元数据管理平台利用内置采集适配器,让用户通过配置数据源参数及定时采集任务,进行自动化采集。实现直连数据源的端到端元数据采集。

查看界面

对技术人员而言,元数据管理平台通过对将分散、存储结构差异大的资源信息进行描述、定位、检索、评估、分析,实现了信息的描述和分类的结构化,从而为机器处理创造了可能,大大降低数据治理人工成本。正因如此,元数据已经成为了很多大型数据治理项目的核心。所以在进行数据治理的时候我们应该使用真正适合自己公司的产品。

评论
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