商业智能BI产品更多介绍:https://www.smartbi.com.cn/
商业智能BI产品更多介绍:点击前往
所谓数据定义的缺失,就是企业的部分业务源系统以及外部数据源缺少关键业务元素定义。这是因为企业系统开发建设的出发点大多以满足客户业务交易为主要目标,对于统计分析涉及的数据要素项的定义不够关注,因此造成部分业务源系统和外部数据源的数据定义不完备。在这种情况下,就很容易造成企业的不同部门有着不同的理解,甚至在对同一个字段的理解也会产生很大的歧义。
我国企业的早期信息化建设过程中,其业务源系统相对是比较分散的,很少有从全局的角度进行考虑,也就使得信息孤岛的现象比较突出,也带来了有关系统的物料、客户、供应商、会计科目、指标数据的不一致。正是由于企业在数据标准之间的差异,也使得各个信息系统之间的数据很难有效进行共享,也带来了企业的信息资源利用效率难以跟上实际需求,伴随着大数据时代的到来,更加使得挑战进一步扩大。
在大数据时代下,虽然企业为了满足各个系统与外部数据的内部访问,都提升了访问效率,减少手工数据传输,相同的信息经常会在不同系统之间进行冗余存放,不过由于对数据的更新滞后,很容易带来冗余数据的不一致,继而产生了数据质量的问题,这也是在企业在数据治理中应该重点关注的问题。
企业大数据建设的最终目标是促进企业对于数据应用,最大程度发挥数据价值。因此,在当前企业大数据的治理中,人们普遍重视数据应用,围绕应用中出现的数据关联、质量管理、业务协同等进行数据治理,而忽视数据治理体系中的管理机制、控制能力以及安全与隐私保护等。
在大数据环境下,数据治理的主体趋于多元化,即一个数据治理流程往往需要多方参与。例如,在数据质量管理中,问题数据的发现、反馈、修正是一个多方参与的闭环流程,参与方包括:企业数据中心(数据治理方)、数据源头单位(数据提供方)、数据用户(数据使用方)等。这种多方协同治理的业务模式,对企业大数据治理制度和流程机制提出了更高要求。
企业大数据治理体系的技术支撑需要涵盖大数据管理、存储、质量、共享与开放、安全与隐私保护等多个方面,当前相应的技术研究关联性和系统性还存在欠缺,都是侧重于点,而在整体上将技术关联起来还有问题。具体来说,以金融或电信运营商行业为典型代表的传统数据治理技术,是以基于主数据、元数据、数据规范的数据仓库管理系统,可实现特定领域和类型的应用级数据质量管理。但无法满足企业大数据环境下的海量、异构、多源、全格式(结构化、半结构化和非结构化)数据的治理需求。
更聪明的大数据分析软件,快速挖掘企业数据价值!
最新上架
麦粉市场集合了海量可视化大屏模板,会员可下载到本地使用物业大数据分析平台
【最新】人力资源(HR)应用 【最热】公司总体薪酬分析银行风险管理
【最新】集团项目管理应用 【最热】银行经营分析电网大数据分析平台
【最新】销售营销应用模板 【最热】房地产经营运营应用电话:
邮箱: