元数据:数据治理的燃料

发布时间:2019.08.02来源:知乎浏览量:520次标签:数据治理

实现数据质量的最佳方法是组合或混合这三种技术:解码后的谱系,数据相似性谱系和手动谱系映射。
企业渴望从可提供竞争优势的数据中获取洞察力。实现这一目标的最常见障碍是数据质量差。如果输入到预测算法的数据是“脏的”(具有丢失或无效的值),则该算法产生的任何见解都不可信。


要实现数据质量,仅清理现有的历史数据是不够的。您还需要通过建立一组称为数据治理的功能和流程来确保所有新生成的数据都是干净的。在受管数据环境中,每种类型的数据都有一名数据管理员,负责定义和实施数据清洁标准。并且,每个数据值都有一个明确定义的谱系:我们知道它来自何处,它在此过程中经历了哪些转换,以及从该数据值派生的其他数据项。

数据沿袭为企业提供了许多好处:


通过向后追踪谱系(以查找影响当前数据的所有数据)或转发(以识别受当前数据影响的所有其他数据)从给定数据项执行影响分析和根本原因分析的能力;
业务词汇和术语的标准化,有助于跨业务部门的清晰通信;
归功于对数据所做的任何更改的所有权,责任和可追溯性,这归功于谱系全面记录了谁做出了哪些更改以及何时更改。
听起来不错,但数据沿袭信息来自哪里?查看数据库中的特定数据值会告诉我们其当前值,但它不会提供有关数据如何演变为其当前值的信息。缺少的是有关数据的数据(沿袭元数据),它自动记住每个数据项所做的每次更改的时间和来源,无论是由软件还是由人工数据库管理员进行的更改。


收集沿袭元数据有三种竞争技术,每种技术都有其优点和缺点:
1.解码后的血统
该方法不是检查模式的数据值以寻找相似性,而是专注于操纵数据的代码。此类工具(MANTA,Octopai,Spline)扫描所有逻辑以理解它并对其进行反向工程,以了解数据如何变化以及哪些数据用作计算其他数据的输入。这种方法提供最准确,完整和详细的沿袭元数据,因为每一条逻辑都被处理。但它有一些缺点:

为数十种语言开发足够的支持可能并不容易,这些语言必须进行分析才能涵盖环境的基础知识。它也可能会阻止您采用新技术,因为您的已解码的沿袭引擎尚不支持它。
代码版本会随着时间的推移而发生变化,因此您对当前代码数据流的分析可能会错过已被取代的重要流程。
当代码是动态的(您根据程序输入,表中的数据,环境变量等)动态构建表达式时,您需要一种方法来解码动态代码。
并非所有数据更改都是由代码生成的。例如,假设您的网站发生紧急中断,您的DBA会通过直接在生产数据库上执行一系列SQL命令来手动修复。Decoded Lineage工具永远不会检测到这些更改,因为它们是由DBA而不是代码生成的。
代码可能对数据做错了。例如,假设您的代码存储违反GDPR的个人识别信息,并且产品经理明确要求相反。解码的血统工具将忠实地捕获代码所做的事情,而不会引发红旗。
假设两个独立进程中的两段代码执行相同的计算,以在数据库中创建相同的重复数据。代码分析无法发现这种情况,因为每段代码都表现得很好。只有通过检查数据库才能发现并消除重复。


2.数据相似性谱系

此方法通过检查数据和模式而无需访问代码来构建沿袭信息。此类别中的工具(Tamr,Paxata,Trifacta)会在表中分析数据并读取有关表,列等的数据库元数据,然后使用所有这些信息根据相似性创建沿袭。一方面,无论您的编码技术如何,这种方法都将始终有效,因为无论哪种技术生成数据,它都会分析结果数据。但它有几个明显的弱点:

检测大型数据库中的数据相似性需要花费大量时间和处理能力。
结果元数据将缺少许多细节,例如转换逻辑。
它无法检测尚未执行的沿袭元数据。例如,假设您有一个年终会计流程来调整收入和库存。在该流程于12月31日运行之前,您将无法获得有关它的沿袭元数据。


3.手动谱系映射

这种方法通过映射和记录人们头脑中的业务知识来构建沿袭元数据(例如,与应用程序所有者,数据管理员和数据集成专家交谈)。这种方法的优点是它提供了规范的数据沿袭(数据应该如何流动,而不是在实现错误后如何流动)。但是,因为元数据是基于人类的知识,它可能是矛盾的(因为两个人不同意所需的数据流)或部分(如果你不知道数据集的存在,你不会问任何人它)。
正如你所看到的,没有灵丹妙药 - 每种方法都有其优点和缺点。最佳解决方案结合了所有三种方法。
使用MANTA,Octopai或Spline等工具从解码后的血统开始。
使用Tamr,Paxata或Trifacta等工具增加数据相似性谱系,以发现数据库中的模式。
使用手动沿袭映射进行扩充,以捕获规定的沿袭规则(例如,应该如何实现数据流)。
成功组合这些技术后,您可以收集开始享受受管数据优势所需的全面血统元数据。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 预约演示
相关文章推荐
  • 数据治理运营:差距

    数据治理运营:差距

    今天,全球组织都了解数据治理(DG)是什么,它的好处以及不管理数据的风险。……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:410次

  • 数据治理超越了将事实放在一起

    数据治理超越了将事实放在一起

    学习如何学习正成为一项关键的执行技能,学习概率思维将成为赌注。……查看详情

    发布时间:2019.01.14来源:亿信华辰浏览量:476次

  • 来自园艺的5个数据治理课程

    来自园艺的5个数据治理课程

    所有这些数据增长和收购挑战都要求我们重新考虑我们的数据治理策略。我们根本没有确保正确管理和使用数据所需的可见性。我们的首要任务是消除风险……查看详情

    发布时间:2018.12.04来源:Debi Tadd浏览量:629次

  • 数据治理流程

    数据治理流程

    要真正把数据作为企业有价值的资产来管理,就必须像管理财务、人力资源等业务功能一样进行数据治理。财务功能由多个核心业务流程组成,如应付账款……查看详情

    发布时间:2019.08.19来源:CSDN浏览量:733次

  • 数据治理困难,即数据治理之“困”。

    数据治理困难,即数据治理之“困”。

    当前,以人工智能、区块链等为代表的数字技术不断涌现,快速向经济社会各领域融合渗透。以数据为核心的数字化转型已是大势所趋。金融业是数据密集……查看详情

    发布时间:2020.01.03来源:知乎浏览量:544次

  • 资金模型:资助数据治理

    资金模型:资助数据治理

    数据治理框架以两种方式解决资金问题……查看详情

    发布时间:2019.03.19来源:亿信华辰浏览量:500次

  • 如何保证所基于的数据具有高质量?

    如何保证所基于的数据具有高质量?

    基于数据决策的前提是数据可靠且相关,数据必须是“真实可信的”,否则“输出将是误导和无效的”。但是学校所收集的数据可能不完全,或者更新不及……查看详情

    发布时间:2020.10.31来源:知乎浏览量:432次

  • 数据问题的全面解决之道——数据治理

    数据问题的全面解决之道——数据治理

    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。……查看详情

    发布时间:2019.01.18来源:亿信华辰浏览量:578次

  • 数字化时代的大数据治理应该怎么做呢?

    数字化时代的大数据治理应该怎么做呢?

    随着时代的发展,各个企业收集数据的渠道越来越多样化,也有越来越多的企业开始应用大数据来创造价值,为了合理有效的挖掘数据资源来源的价值,首……查看详情

    发布时间:2019.07.18来源:知乎浏览量:412次

  • 定义数据治理:什么是数据治理?

    定义数据治理:什么是数据治理?

    数据治理(DG)是增长最快的学科之一,但在定义数据治理时,许多组织都在努力。……查看详情

    发布时间:2019.01.23来源:亿信华辰浏览量:595次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议