技术分享
技术分享
-
数据治理如何真正落地？
数据治理如何真正落地？要真正实现数据治理落地需要专业数据治理团队不断提升数据质量管理能力才能达成。 数据治理在系统层面包括数据标准、元数据、数据质量、生命周期管理、数据安全、数据资产共六大核心模块；在管理层面需要通过数据…
-
数据质量问题的归纳与分析
在实践中我们会遇见大量的数据质量问题，基于这些数据质量问题，数语科技从人员、流程、技术和信息等多个方面总结了引起数据质量问题的十个常见原因。 1、数据的多源性：当同一个数据有多个数据来源时，很…
-
数据质量评价方法
进行准确的数据质量评估，是项目顺利推进很关键的一步。 实际上，在开展具体的数据质量提升项目之前，第一个工作是收集和评估具体的数据质量问题。数据质量评估方法主要包括三大步：第一步，通过…
-
如何规范化数据库模型设计
良好的数据库模型设计可以保证数据资产的持久性，可读性，有效性和完整性。 该从哪些方面规范数据模型，提高数据库设计的质量呢？ 根据Steve Hoberman的《Data Model Scorecard》，主要几个方面： …
-
数据架构与数据模型
数据架构与数据模型两者关系经常是讨论的热点。 因为数据架构里面主要工作和产物就是数据建模和数据模型，那为什么要将两者作为独立的两个过程域。 本文将对此问题进行探讨。 在《数据管理知识手册》（DMBOK 2）的第二版中，数…
-
中台架构与数据模型管控
本文根据王琤先生在【DQMIS 2020第四届数据质量管理国际峰会】现场演讲内容整理而成。 各位新老朋友，好久不见，这是疫情之后首个数据治理线下大规模的会，如今各个企业的数据治理制度体系都已经慢慢的建立起来了，下一步就是…
-
什么是数据治理？
什么是数据治理？这是很多朋友疑惑的一个问题，今天数语科技小编就来为大家解答。 大数据治理定义：大数据治是广义信息化治理计划的一部分，即制定与大数据有关的管理优化、数据保护、数据变现…
-
数据治理应平衡好安全与创新
大数据时代应该如何做好数据治理？平衡好安全与创新是关键。 数据作为数字经济时代的核心竞争要素，其安全备受关注。这些数据资源已经成为国家重要战略资源和新生产要素，对经济发展、国家治理、社会管理、人…
-
详解数据建模&数据域
常常听到大家对数据域（Domain）、数据类型（Data Type）及数据标准概念的混淆，今天，数语科技小编给大家详细讲解一下数据建模和数据域。 为了更好的帮助大家理解数据域、数据模型、元数据之间的关系，首先我们以图示来…