数据建模和数据映射：来自任何数据的结果

 统一的数据建模和数据映射方法可能是许多数据驱动型组织所需要的突破。

在我与客户进行的大多数对话中，他们表示需要一个可行的解决方案来模拟他们的数据，以及捕获和记录其环境中的元数据的能力。

数据建模是任何数据管理计划的组成部分。组织使用数据模型来驯服“静态数据”，以用于所有类型的数据库的业务使用，治理和技术管理。

但是，一旦一个组织了解它拥有的数据以及它是如何通过数据模型构建的，它就需要回答其他关键问题：它来自哪里？它是否随着旅程而改变？它从哪里开始？

数据映射：驯服“动态数据”

了解数据如何在整个技术和业务数据架构中移动对于所有 数据资产的真实可见性，上下文和控制至关重要。

管理运动中的数据是一项困难且耗时的任务，涉及将源元素映射到数据模型，定义所需的转换，和/或为下游目标提供相同的转换。

从历史上看，它要么外包给ETL / ELT开发人员，他们经常创建一个对业务不透明的孤立的技术基础架构，或者业务友好的映射被保存在各种难以整合和重用的难以整合的电子表格中，以适应新的要求。

如果您可以将静态数据和运动数据相结合，以创建一个高效，准确和实时的数据管道（包括沿袭），该怎么办？然后，您可以花时间查找所需的数据，并使用它来产生有意义的业务成果。

好消息......你可以。

自动数据映射

您的数据建模人员可以继续使用erwin Data Modeler（DM）作为数据库管理系统的基础，记录，实施和改进这些标准。但是，您可以扫描和集成任何数据源，并自动将其呈现给所有相关方，而不是依靠数据模型来传播元数据信息。

erwin Mapping Manager（MM）将元数据管理从数据模型转移到专用的自动化平台。它可以从任何来源收集元数据，包括JSON文档，erwin数据模型，数据库和ERP系统，开箱即用。

此功能通过从任何地方收集任何数据来强调我们的Any 2数据方法。erwin MM可以安排数据收集并创建用于比较的版本，以清楚地识别任何变化。

可以使用扩展数据属性来增强元数据定义，并且可以基于收集的元数据创建详细的数据谱系。最终用户可以快速搜索信息并查看业务流程上下文中的特定数据。

总结当前数据建模的关键特性客户似乎最为兴奋：

• 轻松导入传统映射，以及共享和重用映射和转换
• 元数据目录，可以从任何地方自动收集任何数据
• 全面的上游和下游数据沿袭
• 具有比较功能的版本控制
• 影响分析

所有这些功能都支持并可以与erwin Data Governance集成。最终结果是知道您拥有哪些数据以及它们在哪里，这样您就可以从任何地方为任何数据提供快速，高质量和完整的管道，从而实现您的组织目标。