6.3数据治理
6.3.1 元数据
数据治理是开展数据价值化活动的基础,
6.3.2 数据标准化
数据标准化的主要内容包括 元数据标准化、数据元标准化、数据模式标准化和数据分类与编码标准化
数据标准化阶段的具体过程包括 确定数据需求、制定数据标准、批准数据标准和实施数据标准
6.3.3 数据质量
衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。
数据质量描述:数据质量可以通过数据质量元素来描述
数据质量元素 分为数据质量定量元素和数据质量非定量元素
数据质量评价方法 分为:直接评价法和间接评价法
数据产品的质量控制 分为:前期控制和后期控制
6.3.4 数据模型
数据模型 | 描述 |
---|---|
概念模型 | 不依赖于具体的计算机系统也不对应某个具体的DBMS ,它是概念级别的模型 |
逻辑模型 | 逻辑模型是在概念模型的基础上确定模型的数据结构, 目前主要的数据结构有层次模型、网状模型、关系模型、面向对象模型和对象关系模型。 其中,关系模型成为目前最重要的一种逻辑数据模型 |
物理模型 | 物理数据模型是在逻辑数据模型的基础上,考虑各种具体的技术实现因素,进行数据库体系结构设计 ,真正实现数据在数据库中的存放。 |
6.3.5 数据建模
数据建模的过程包括: 数据需求分析、概念模型设计、逻辑模型设计和物理模型设计等
数据建模的过程 | 描述 |
---|---|
数据需求分析 | 分析用户对数据的需要和要求。数据需求分析是数据建模的起点 |
概念模型设计 | 需求分析得到的结果抽象为概念模型的过程,任务是确定实体和数据及其关联 |
逻辑模型设计 | 转换为关系模型结构中的关系模式 |
物理模型设计 | 对具体的DBMS进行物理模型设计,使数据模型走向数据存储应用环节 |
6.4 数据仓库和数据资产
6.4.1 数据仓库
数据仓库是一个面向主题的、集成的、随时间变化的、包含汇总和明细的、稳定的历史数据集合。
数据仓库通常由数据源、数据的存储与管理、OLAP服务器、前端工具等组件构成。
数据仓库组件 | 描述 |
---|---|
数据源 | 数据源 是数据仓库系统的基础 |
数据的存储与管理 | 整个数据仓库系统的核心 |
OLAP服务器 | 以便进行多角度、多层次的分析,并发现趋势 可以分为:ROLAP(关系数据的关系在线分析处理)、MOLAP(多维在线分析处理)和HOLAP(混合在线分析处理) |
前端工具 | 前端工具 主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具 以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器,报表工具、数据挖掘工具主要针对数据仓库 |
6.4.2 主题库
主题库建设可采用多层级体系结构,即数据源层、构件层、主题库层
层名称 | 描述 |
---|---|
数据源层 | 存放各种管理表和数据的各类数据表 |
构件层 | 构件层包括基础构件和组合构件 |
主题库层 | 按业务需求通过构建组合,形成具有统一访问接口的主题库 |
6.4.3 数据资产管理
数据是一种重要的生产要素
,把数据转化成可流通的数据要素,重点包含数据资源化、数据资产化
两个环节
数字资源化: 通过将原始数据转变为数据资源,以数据治理为工作重点
数据资产化: 通过将数据资源转变为数据资产
数据资产流通 是指通过数据共享、数据开放或数据交易等流通模式
数据价值评估 是数据资产管理的关键环节,是数据资产化的价值基线
PS: 更多关于 系统集成项目管理工程师笔记 点击专栏订阅(持续更新~~~)