如何数据标准应对这些难题
发布时间:2020.11.13来源:知乎浏览量:96次标签:数据治理
正因为其太过理想化,所以这种模式几乎是见不到的。在实践中,我们往往还是需要更多地考虑如何把数据标准落地到已有的系统和大数据平台中。
数据标准落地有三种形式:
1、源系统改造:对源系统的改造是数据标准落地最直接的方式,有助于控制未来数据的质量,但工作量与难度都较高,现实中往往不会选择这种方式,例如有客户编号这个字段,涉及多个系统,范围广、重要程度高、影响大,一旦修改该字段,会涉及到相关的系统都需要修改。但是也不是完全不可行,可以借系统改造,重新上线的机会,对相关源系统的数据进行部分的对标落地。
2、数据中心落地:根据数据标准要求建设数据中心(或数据仓库),源系统数据与数据中心做好映射,保证传输到数据中心的数据为标准化后的数据。这种方式的可行性较高,是绝大多数组织的选择。
3、数据接口标准化:对已有的系统间的数据传输接口进行改造,让数据在系统间进行传输的时候,全部遵循数据标准。这也是一种可行的方法。
在数据标准落地的过程中,需要做好这几件事:
事先确定好落地的范围:哪些数据标准需要落地,涉及到哪些IT系统,都是需要事先考虑好的。
事先做好差异分析:现有的数据和数据标准之间,究竟存在哪些差异,这些差异有多大,做好差异性分析。
事先做好影响性分析:如果这些数据标准落地了,会对哪些相关的游戏厅产生什么样的影响,这些影响是否可控。元数据管理中的影响性分析可以帮助用户确定影响的范围。
制定落地的执行方案:执行方案要侧重于可落地性。不能落地的方案,最终只能被废弃。一个可落地的方案,要有组织架构和人员分工,每个人负责什么,如何考核,怎么监管,都是必须纳入执行方案中的内容。
具体的执行落地方案:根据执行方案,进行数据标准落地执行。
事后评估:事后需要跟踪、评估数据落地的效果如何,做对了哪些事,哪些做得不足,如何改进。
-
数据治理:建立有效政策的10个步骤
数据治理通常与法规遵从性相关。但数据质量和理解是数据治理的核心。作为竞争优势,更全面地使用快速增长的企业数据的能力也是数据治理策略的公认……查看详情发布时间:2018.12.14来源:数据治理浏览量:110次
-
数据治理如何解决数据多、杂、乱、差问题?
许多大数据公司在过去一段时间都得到了较好的发展,但由于在数据生产的过程中并未做到足够重视,数据质量与可靠性则很难得到保证,这也是数据治理……查看详情发布时间:2022.02.21来源:小亿浏览量:221次
-
商业银行数据治理从源头抓起 坚持数据标准先行
商业银行数据治理是一门将数据视为一项资产的学科。它涉及到银行以资产的形式对数据进行优化、保护和利用的决策权利。糟糕的数据管理意味着糟糕的……查看详情发布时间:2019.09.04来源:知乎浏览量:94次
-
数据治理第5部分:数据治理规范
数据治理第5部分:数据治理规范,本部分为GB/T34960的第5部分。本部分按照GB/T 1.1-2009给出的规则起草。本部分由国家信……查看详情发布时间:2019.09.02来源:GB/T34960的第5部分浏览量:194次
-
数据囤积日益增长的威胁
在数据丰富的环境中生活和工作的缺点之一是希望将所有最后的位和字节松开以备将来使用。得益于Amazon S3和Hadoop等廉价存储系统,……查看详情发布时间:2019.02.28来源:亿信华辰浏览量:73次
-
以数据中台为切入点,场景/应用驱动源头数据治理
数据中台通常是应用驱动构建,所处理的数据是业务关心和使用的数据。在数据中台开发与运营服务的过程中,面临很多源头数据的问题,比如不同系统的……查看详情发布时间:2020.04.01来源:知乎浏览量:96次
-
国内主流的主数据管理方案
主数据管理 (MDM) 是一种能够定义和管理组织中关键数据的全面方法。它提供跨整个企业的一站式可信任数据视图、敏捷的自助服务访问、基于分……查看详情发布时间:2020.05.07来源:知乎浏览量:330次