数据标准在数据资产管理中的意义

发布时间：2019.12.19来源：知乎浏览量：410次标签：数据治理

随着大数据的持续升温，数据资产管理近年来成为政府和企业领导层特别关注的领域。在谈数据的价值之前，必须先说清楚所谈论的数据资产都有那些，都是什么，也就是要先梳理企业数据的定义。数据资产管理领域中有两样的事情都与数据定义相关：数据标准和数据模型。这两项工作一个负责给数据下定义，另一个负责描述描绘数据关系。这两件事情在一个企业中会被高度重视并完成，动力源于大数据时代“数据整合”的需求。

数据标准化的过程其实就是在数据整合平台实现数据标准，并将各个系统产生的数据通过清洗、转换加载到整合平台的数据模型中，实现数据标准化的过程。一个企业内部的数据标准化方式如此，一个行业监管机构在采集全行业数据时的数据标准化过程也是如此，例如，银监会在向全国银行机构采集明细数据的EAST接口事实上就是银行业基础数据标准，保监会在向全国保险机构采集保单明细数据的接口事实上就是保险行业基础数据标准。数据资产管理的第一步要厘清企业拥有哪些数据，需要整合数据，而构建数据整合平台则必须要建立一套数据标准和数据模型，实现数据的标准化。

建立数据标准该从哪里着手？
我们都知道，建设一个业务系统实际上是将企业或者行业的运作机制IT化和系统化的过程，需要从梳理业务流程和管理流程开始。类似的，建设数据标准就是将数据的表达和使用统一和系统化的过程，首先就要梳理数据产生和应用的全部范围。对于一个企业来讲，这往往意味着数据标准的建立需要从盘点企业内部全部生产系统中的数据开始；

那么对于扩大的场景，例如建设某个行业的数据标准或者是某项政府数据标准又该如何开展工作呢？这里介绍一套数据标准管理平台-ESDataStandard建立规范的数据应用标准，消除数据的不一致性，从根本上改善和解决系统的数据质量问题，实现数据有效共享，并为后续质量检查提供依据。

（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

睿治智能数据治理平台

数据采集

数据集成管理

数据交换管理

数据存储

实时计算存储

数据管理

元数据管理

数据标准管理

数据质量管理

主数据管理

数据服务

数据资产管理

大数据治理方案

大数据资产管理方案

主数据管理方案

数据标准化及质量管控方案

数据资产盘点方案

指标体系建设方案

数据仓库及商业智能方案

仓湖一体化数据中心建设方案