大数据治理
袁晓俊
这个作者很懒,什么都没留下…
展开
-
第一部分: 大数据治理统一流程模型概述和明确元数
大数据治理概述(狭义)大数据是指无法使用传统流程或工具在合理的时间和成本内处理或分析的信息,这些信息将用来帮助企业更智慧地经营和决策。而广义的大数据更是指企业需要处理的海量数据,包括传统数据以及狭义的大数据。(广义)大数据可以分为五个类型:Web 和社交媒体数据、机器对机器(M2M)数据、海量交易数据、生物计量学数据和人工生成的数据。Web 和社交媒体数据:比如各种微博、博客、社交网站转载 2015-12-22 17:12:27 · 1806 阅读 · 0 评论 -
第二部分:元数据集成体系结构
在本系列的第一篇文章中,我们主要介绍了大数据治理的基本概念和统一流程参考模型,并阐述了该模型的第一步“明确元数据管理策略”和第二步“元数据集成体系结构” 的六种示例等内容。大数据治理统一流程参考模型的第二步是“元数据集成体系结构”,具体包括元模型、元-元模型、公共仓库元模型(CWM)、CWM 发展史、OMG 的模型驱动体系结构(Model Driven Architecture,MDA)本文将对元转载 2015-12-22 17:11:04 · 2142 阅读 · 0 评论 -
第三部分:实施元数据管理
大数据治理统一流程参考模型(续)第三步:实施元数据管理在明确了元数据管理策略和元数据集成体系结构之后,企业可以根据需要选择合适的业务元数据和技术元数据管理工具,并制定相应的元数据管理制度进行全面的元数据管理。比如可以使用 IBM InfoSphere Business Glossary 进行业务元数据的管理,使用 IBM InfoSphere Metadata Workbench 作为元数转载 2015-12-22 17:05:58 · 1719 阅读 · 0 评论 -
第四部分:统一流程参考模型的第四步到第九步
大数据治理统一流程参考模型(续)第四步:定义业务问题如何准确的定义和描述业务问题是数据治理计划成功的关键,企业可以从对特定问题或领域进行数据治理的紧迫程度以及数据治理能够带来的价值来综合衡量,对排名靠前的问题或领域优先进行数据治理,这样能充分获得业务职能部门以及 IT 部门的支持,从而保证数据治理计划的成功。数据治理初始范围确定后,执行具体的数据治理工作,等成功后再考虑扩展至其他领域。转载 2015-12-22 17:37:29 · 1037 阅读 · 0 评论 -
第五部分: 定义度量值和主数据监管
大数据治理统一流程参考模型(续)第十步:定义度量值数据治理需要全面的度量值或关键业务指标(KPI)来衡量和跟踪数据治理计划的进度,考核数据治理的效果。定义度量值的步骤如下:根据业务需求,了解业务的整体 KPI。针对数据治理定义业务层面 KPI:比如税务部门核心征收管理业务都是围绕着纳税人进行的,每个纳税人都有自己的纳税人登记证号(且符合特定的编码规则),从省级地税层面来看,由于一些转载 2015-12-22 17:42:54 · 1219 阅读 · 0 评论 -
第六部分: 大数据监管和信息单一视图监管
大数据治理统一流程参考模型(续)第十二步:(狭义)大数据监管在大数据时代,企业更需要数据治理,只有对海量数据进行治理,使其变得可信才能帮助企业获取准确、深入的洞察力。除了满足监管和风险管理要求外,企业通过对大数据来创造更多的业务价值,比如精细化管理、精准营销、反洗钱和反欺诈等,当然这一切的前提就是数据是可信的。如果基础数据不可靠,那么大多数企业的大数据计划要么会失败,要么效果会低于预期。大转载 2015-12-22 17:47:43 · 1458 阅读 · 0 评论 -
第七部分: 分析监管、安全与隐私管理和信息生命周期监管
大数据治理统一流程参考模型(续)第十四步:运营分析监管无用的数据会造成前端 KPI 指标的失效,也就是所谓的“无用输入产生无用输出”。不同的部门使用不一致的数据制作报告给企业带来了额外的困扰,IT 并非始终了解数据仓库或数据集市中的数据并清楚的知道正在使用哪些报告。企业可以通过实施商业智能能力中心(BICC)解决这些问题,BICC 是指将具有关联规程、知识领域、经验和技能的人员聚集在一起的转载 2015-12-22 17:48:40 · 2440 阅读 · 0 评论