数据建模在数据治理中的作用

在过去的9个月里，erwin建模团队一直在忙着从山顶呼喊我们进入数据治理领域。2015年4月，我们发布了新版的建模门户网站erwin®WebPortal数据治理版，我们专注于解释该解决方案为支持组织的数据治理工作所提供的关键功能和价值。建立在erwin DM模型的基础之上，我们自然地将我们的方法称为模型驱动的数据治理。这是一个恰当的描述，因为我们通过利用数据模型来支持数据治理控制和流程。但是，我认为，在我们自然倾向于关注什么是“新的”，我们正在将我们的数据治理解决方案的关键要素降级为阴影。

正确完成数据建模时，定义为数据治理活动，是任何数据治理计划成功的关键推动因素。任何执行良好的数据建模过程的高价值输出是一组标准化的，业务一致的和多上下文的数据定义：“标准化”，因为它们符合可重用的一组数据定义要求; “业务一致”，因为它们捕获业务规则和监管要求; “多上下文”，因为它们封装了代表业务和技术或基础架构视角的元数据。它们通常也来自业务和IT利益相关者的合作。如果数据建模实践成熟，那么它们包含的模型和定义是在某种形式的版本控制，审查，和批准程序以及行业标准符号和方法。换句话说，数据建模过程本身就是受管理的，它自然地与企业级的数据治理相吻合并支持它们。因此，说数据建模支持数据治理还不够，因为事实上，通过建模进行数据建模和数据定义是数据治理的关键支柱。

作为数据建模领域的领导者，erwin Modeling多年来一直在为支持数据治理提供有价值的功能。它采用可重用模板，命名标准，使用定义属性以及对其他标准的支持的形式。它是捕获业务规则的实体与我们业务中固有的约束之间的关系，并反映在我们的数据资产中。这是声音模型管理实践，可促进协作并实现可追溯性。同样，作为数据建模人员，您使用您创建的每个模型生活，呼吸并传播组织内的数据治理。

作为一个负责人，我将在1月27日的DATAVERSITY EDGO会议上参加关于这个主题的小组讨论。对于对此主题或数据治理感兴趣的任何人，我建议参加这个有价值的虚拟会议。

作为一个古老的灰白数据建模者（他要求保持无名）在数据治理兴起的对话中断言，作为一个感兴趣和探究的话题，我们几十年来一直在实践数据治理。我们不需要花哨的名字，我们只是称它为良好的数据管理。只是数据建模器领先于曲线并引导充电的另一个例子。

在2016年的新的一年里，请确保您决定拥抱数据建模器。你意识到，他们应该得到更多。