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