大数据资产管理实战

各位好，今天和大家分享“大数据资产管理实战”这个课题。

本次分享包括大数据资产管理的概述、方法论和实施效果三个部分的内容。

第一部分：大数据资产管理概述

提到企业数字化转型，不得不提现在的一个主流观点：未来的企业必将成为数字化企业，每个公司都将会成为软件公司！未来企业增长和竞争的能力越来越取决于其数字化创新能力。为了应对企业数字化转型，企业IT架构采用分布式、微服务、移动化、大数据等技术来应对业务变化带来的挑战。

那么在业务敏捷变革、应用快速创新的前提下，企业的大数据需要能够准确反映出企业的业务情况，进而需要高质量的数据和完善的数据管理机制，也就是大数据资产管理。下面我们来看一下复杂场景下数据资产的一个实例。

如上图所示，一笔4G的XDR信令数据在完整情况下将保存5份数据，分别为：数据流Storm、Hadoop、MPP、DB、内存网格Redis。信令数据根据业务用途的不同分别存放。同样的，不同存放的数据又是同一来源，相互之间存在着关系。

因此，在复杂的异构环境下，使用一套行之有效的工具进行数据模型管理是非常有必要的。

在单个系统开发时，一般使用ERWin、PowerDesigner等工具进行数据模型设计。

当设计异构环境时，就存在着各种问题了：

1、如何设计逻辑模型

2、设计好的逻辑模型如何快速的分发到各个环境中

3、分发到异构环境中的数据模型是否不被修改

那么在这种异构环境下，就存在着“数据模型设计→数据模型分发→数据资产管理”的数据模型生产闭环了。

1、数据模型设计：负责逻辑模型的设计，不依赖于数据平台，支持协作；

2、数据模型分发：负责逻辑模型在各个数据平台的分发，支持对接