谈谈如何制定主数据管理策略及正确选择数据治理工具

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
简介: 在实现MDM策略时,应采用循序渐进的迭代方法。大处着眼,小处着手,与企业的长远目标相一致。

  在实现MDM策略时,应采用循序渐进的迭代方法。大处着眼,小处着手,与企业的长远目标相一致。

   数据是商业世界所围绕的中心概念,决策者不再回避它。相反,对进一步收集数据以带来最佳商业结果的追求是全球性的。然而,在应用程序数据和业务流程之间深度融合时,需要避开产生各种数据的异构和复杂应用程序可能带来的挑战。

   行业分析人士认为,全球数据量将从2013年的4.4 zettabytes增长到2021年的75ZB。受物联网(IoT)、传感器、视频监控、认知自动化、RPA和社交平台等数据密集型数字技术的推动;预计这一数字还会进一步增长。

   随着数据类型、格式、分析工具和托管通道的激增,企业内外不断创建和分发数据很容易出现不准确、不一致、不遵从性、过期和安全漏洞。具有复杂或异构信息场景和多个应用程序集成的组织通常会遇到主数据不一致的问题,这反过来又会削弱业务流程的完整性和结果。任何数量的业务应用程序都可能受到影响,包括面向客户、面向供应商和企业范围的应用程序。

b114d3eac76a6e332a912d941676e69e.png  

一 主数据管理如何提供帮助

   今天,拥抱数字革命是企业成长的关键。随着数字化的出现,人们对管理非结构化数据的担忧也随之而来

   我们生活在一个通信渠道飞速发展的世界,从这些渠道中自然会积累大量数据——物联网、社交媒体平台、在线市场、搜索引擎查询、设备数据、流媒体直播服务等等。不同数据的不断流入使得企业越来越难以在预先配置的数据库中映射和存储这些信息。

   1 什么是非结构化数据

   当数据缺乏定义的模型或不能轻松地放入数据模型中时,它就属于非结构化数据的范畴。如果没有特定的格式或结构,非结构化数据可以是文本形式(字符串)或非文本形式(媒体、音频、图像)。由于这些类型的数据缺乏结构,因此很难在有组织的计算或存储框架(如关系数据库)中进行分类和部署。事实上,就在几年前,Gartner估计超过80%的企业数据是非结构化的。

   2 MDM应用在哪里

   对许多企业来说,非结构化数据的流行意味着机会成本的上升和安全风险的增加。也就是说,可以部署强大的主数据管理(MDM)解决方案来挖掘潜在的价值,并消除非结构化数据的挑战。

   通常,围绕主数据管理的讨论围绕不同的数据治理模型和业务操作的信息支持。但是在今天的场景中,数据以指数级的速度生成,全球90%的数据是在过去两年中创建的,MDM平台可以帮助管理来自多个渠道和不同格式的不断增长的数据流,并为其添加上下文。原因如下:

   (1)更好的数据质量

   影响非结构化数据的质量问题通常是由于机器和人都不能有效地处理、分析和存储信息。MDM系统是为了清洁和组织非结构化数据,调整他们对多个企业内部和外部的利益相关者的需求。这意味着机器系统和人力资源可以访问相同的数据,而配置是最适合它们的。

   (2)企业数据整合

   如今,企业数据集成主要是通过API完成的。这使得MDM系统更容易以各种方式智能地解析非结构化MDM数据,比如语义和情感分析过程,通过为每个文件分配分类法和元数据来识别和构造数据。一旦确定了数据结构,一个强大的MDM平台就能够将信息与主数据文件链接和匹配,实质上就是将主数据文件集成到企业系统中。

   (3)数据搜索和可访问性

   许多企业用户希望能够通过直观的搜索界面从多个渠道访问数据。然而,企业搜索算法往往无法解析非结构化数据,导致用户搜索结果不佳。MDM系统使用API为整个企业的文件建立索引,并构建一个集成的、与系统无关的搜索功能,使用对源和元数据标记的交叉引用来搜索和链接多种数据格式(无论是结构化的还是非结构化的)。

   (4)更准确的定位

   来自不同客户接触点的大量非结构化信息为客户关系管理和领导培养提供了新的范例。通过评估客户偏好、购物行为和细分目标市场,你将能够建立个性化的体验,并在正确的时间用正确的产品锁定正确的买家。但所有这些举措都需要可靠的客户数据。通过清理、增强和连接客户信息流,MDM系统可以解决客户数据管理方面的问题,帮助企业更快、更明智地做出决策。

   (5)加强数据安全

   保护数据的第一步是知道数据存储在哪里。孤立的数据系统代表了几乎每一个企业的安全挑战,尤其是当每个孤立的数据属于不同的治理方案。MDM平台可以帮助您消除复制,并允许您从一个中心存储库管理所有数据。此外,如果正确实现MDM, MDM可以促进企业范围的安全实践,包括用户认证和授权、目标文件加密、访问日志和报告,以及对偏离现有流程和访问参数的情况发出安全警报。

   二 制定主数据策略需要考虑的几个问题

   对于那些已经工作了几年的人来说,出现不一致和冗余的情况并不少见。但是,在应用程序的不同层次,客户、供应商、企业和价值链都明显地感受到了影响。从源到流程的数据不一致可能对业务流程产生连锁反应,进而对业务本身产生连锁反应。

   那么,怎样才能保证最好的结果呢?什么可以弥合数据一致性和主数据管理之间的差距?

   现在需要的不仅仅是制定一个数据策略。迫切需要智能MDM策略。既然我们已经确定了目标,现在是时候看看如何创建智能MDM策略了。如果数据是业务的基本方面之一,那么在制定MDM策略时应该考虑以下几个关键方面:

   •弄清楚MDM对现有数据挑战的正确响应

   •评估组织的准备情况以及文化和管理现状

   •确保涉众和IT团队的支持

   •设定清晰和可实现的业务结果

   •在构建MDM策略时要记住成本因素

   数据管理的战略规划意味着对组织中随时随地可能发生的数据处理(创建、存储、处理、管理和分发)的整个价值链进行规划。有效的主数据管理策略需要一个完整的架构,以促进技术和业务之间的协作。它意味着在整个公司中定义和管理数据的策略、角色、流程和职责,它跨越了组织的不同部门。

   在实现MDM策略时,应采用循序渐进的迭代方法。从小处着手,着眼长远。然后,系统地进行全面扩展,通过对主数据注入越来越多的信任。除了执行之外,还必须根据组织的优先级和目标重新审视、检查和度量MDM策略。基于这些分析,进一步提升您的主数据管理能力,以便您能够在运行、增长和转变您的业务战略时及时释放更多的业务价值。MDM是一个永无止境的过程;它所需要的就是关注和承诺。

10cf5d2d90aedc8cb364fec5acc1b2ae.png

   三 如何选择合适的数据治理工具

   现在市场上有很多工具可以帮助您进行数据治理。特别是,有许多产品保存和管理数据术语表、数据目录和数据词典。这些已被证明非常受欢迎, 过去的几年里在市场上的厂商数量增加了。

   如果您有足够的预算购买这样的工具,请确保您准备好了,以便您可以选择适合您组织需要的供应商。如果您选择了错误的工具,它将不会帮助您的数据治理计划,更糟糕的是,它可能会分散您的注意力,甚至使其偏离正轨!

为了避免犯这样一个错误,让我们先看看最常见的陷阱。我看到的三个主要问题是:

   ·很少或根本没有业务用户参与

   ·要求不明确

   ·初始执行过于复杂

   首先,项目的早期很少或根本没有业务参与许多人等到工具被购买,甚至被实现之后,才涉及到业务用户。根据我的经验,这是一个巨大的问题,应该不惜一切代价避免。

   我看到过一些现实中出现的问题,因为最终的业务用户没有参与选择。从他们的角度想想。他们没有要求这样一个工具,它也不能帮助他们更快或更容易地完成现有的任务。因此,当您开始实施新工具时,业务用户会觉得他们被强加给了一些IT工具。通常情况下,他们的反应并不好,我记得有一次整个实现不得不回到原点上。一旦业务用户理解了他们需要使用工具来做什么,他们的需求就与已经交付的需求有了很大的不同。

   第二个陷阱是不清楚对该工具的要求。通常,有些人理解了一个工具可以帮助他们的事实,就直接购买了一个工具,而没有真正清楚他们想要这个工具做什么。请确保花时间通过使用工具来确定您的目标是什么。一旦确定了这一点,就可以定义一些清晰详细的需求,仅仅需要有一个数据术语表是不够的。

   最后一个常见的陷阱是初始实现过于复杂。市场上一些更成熟的工具已经存在了一段时间,并随着时间的发展提供了多种功能,所有这些功能都可以促进和支持数据治理和数据质量活动。但是,当你开始考虑选择一个供应商时,请非常清楚你现在想要一个工具做什么。另外,考虑一下你未来希望它做什么。最后,你可以列一个“值得拥有”的清单,确保你采取了一个彻底的方法来确定明确的需求。

   我曾见过由于模糊或过于复杂的需求而导致工具实现失败或选择了错误的工具,工具做了它,并不意味着您的业务真的需要它。

   现在我们已经看到了主要的陷阱是什么。我想与您分享几个问题,这些问题可以帮助您询问供应商,以确保他们适合您的数据治理计划。因为我强调了目标和清晰需求的必要性,所以要问他们的第一个问题是,他们的工具如何满足您的需求。注意,我说的是它如何满足,而不是它是否满足。如果您问“您的工具满足我们的需求吗”,大多数供应商会说“是”。

   你想知道的是它仅仅是开箱即用的功能,还是必须有手动的变通方案,或者更糟糕的是,工具中有大量的定制或配置,这可能会使您未来的升级非常困难。

   第二,我想问一下,会得到什么样的执行支持。您必须记住这些工具的本质是灵活的,您需要以适合您的业务的方式来设置它们。这意味着您将需要来自供应商的一些支持。所以你一定要非常清楚他们会给你什么样的支持。知道什么在风险范围内,什么不在风险范围内,可以防止将来发生任何令人不快的意外。

   第三,询问他们为你和执行数据治理的团队提供了什么培训。也许他们支持培训您的业务用户如何使用他们的工具。确定你想要什么培训,并询问有什么培训。

   关于如何为你的组织选择正确的数据治理工具的最后一些想法:

   我已经说过了,但是请记住,要成功地为您的公司选择正确的工具,在开始选择过程之前,非常清楚您需要工具做什么是绝对重要的,清晰的需求应该是过程的开始

   确保您不仅理解了工具的支持安排,而且还理解了工具的升级路径。我遇到过不止一种情况,一个组织定制了一个工具,以至于不可能遵循升级路径。有一次,他们需要一个项目来重新设计和实现一个新的数据术语表,以便能够升级和利用新功能。

   最后,我想说的是,当你选择供应商时,参加研讨会或RFP流程时,你将遇到各种各样的个性的售前人员。请记住,您是选择这个工具,这些人并不是您将要与之共事的人。不管你喜欢还是不喜欢他们,不要被他们的风格所左右。他们不会在实施过程中出现,持续的支持将由其他人提供。所以,不要因为你喜欢或不喜欢他们的销售团队而让自己受到影响!

   请记住,这些工具可以很好地促进您的数据治理计划,但是一旦您的数据治理计划已经开始,就需要将它们就位,以便您非常清楚自己想要什么


相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
相关文章
|
1月前
|
人工智能 关系型数据库 分布式数据库
拥抱Data+AI|“全球第一”雅迪如何实现智能营销?DMS+PolarDB注入数据新活力
针对雅迪“云销通App”的需求与痛点,本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案,助力销售人员高效用数,全面提升销售管理效率。
|
4月前
|
物联网 数据管理 Apache
拥抱IoT浪潮,Apache IoTDB如何成为你的智能数据守护者?解锁物联网新纪元的数据管理秘籍!
【8月更文挑战第22天】随着物联网技术的发展,数据量激增对数据库提出新挑战。Apache IoTDB凭借其面向时间序列数据的设计,在IoT领域脱颖而出。相较于传统数据库,IoTDB采用树形数据模型高效管理实时数据,具备轻量级结构与高并发能力,并集成Hadoop/Spark支持复杂分析。在智能城市等场景下,IoTDB能处理如交通流量等数据,为决策提供支持。IoTDB还提供InfluxDB协议适配器简化迁移过程,并支持细致的权限管理确保数据安全。综上所述,IoTDB在IoT数据管理中展现出巨大潜力与竞争力。
119 1
|
1月前
|
关系型数据库 分布式数据库 数据库
云栖大会|从数据到决策:AI时代数据库如何实现高效数据管理?
在2024云栖大会「海量数据的高效存储与管理」专场,阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
|
2月前
|
存储 人工智能 安全
【荣誉奖项】荣获2024数据治理优秀产品!瓴羊Dataphin联合DAMA发布数据管理技能认证
瓴羊Dataphin连续俩年获得DAMA年度优秀数据治理产品奖,本次与DAMA联合发布“DAMA x 瓴羊 数据管理技能认证”,助力提升全民数据素养。
166 0
【荣誉奖项】荣获2024数据治理优秀产品!瓴羊Dataphin联合DAMA发布数据管理技能认证
|
2月前
|
数据采集 监控 架构师
主数据管理实施方案:规划与具体策略的全面解析
在当今数字化转型的浪潮中,主数据管理(MDM, Master Data Management)已成为企业提升数据质量、优化业务流程、增强决策能力的重要基石。一个成功的主数据管理实施方案不仅需要周密的规划,还需要具体可行的策略来确保项目顺利推进并达到预期效果。
|
2月前
|
数据采集 安全 数据管理
通信行业数据治理:如何实现高效、安全的数据管理?
在未来的发展中,通信行业的企业应加强数据治理意识,提高数据治理能力;同时,积极开展跨行业的合作创新,共同推动行业的繁荣与发展。相信在不久的将来,通信行业将迎来更加美好的明天。
|
3月前
|
缓存 负载均衡 数据管理
深入探索微服务架构的核心要素与实践策略在当今软件开发领域,微服务架构以其独特的优势和灵活性,已成为众多企业和开发者的首选。本文将深入探讨微服务架构的核心要素,包括服务拆分、通信机制、数据管理等,并结合实际案例分析其在不同场景下的应用策略,旨在为读者提供一套全面、深入的微服务架构实践指南。**
**微服务架构作为软件开发领域的热门话题,正引领着一场技术革新。本文从微服务架构的核心要素出发,详细阐述了服务拆分的原则与方法、通信机制的选择与优化、数据管理的策略与挑战等内容。同时,结合具体案例,分析了微服务架构在不同场景下的应用策略,为读者提供了实用的指导和建议。
|
4月前
|
SQL 数据管理 关系型数据库
《SQL转换秘籍:Vanna+Qwen双剑合璧,轻松实现私有模型转换》——揭秘如何利用Vanna和Qwen这两款神级工具,让你的SQL数据管理和转换如虎添翼!
【8月更文挑战第17天】Vanna与Qwen是两款优秀的开源数据库管理工具,助力用户高效管理及转换SQL数据。先安装Vanna和Qwen,随后在Vanna中创建并编辑私有模型,定义表结构等。完成模型构建后,导出为SQL文件。接着,在Qwen中导入此文件,并根据目标数据库类型(如MySQL)转换SQL语句。例如,生成创建`users`表的SQL代码。这两款工具显著提升了数据库管理工作流程的便捷性与效率。
202 1
|
4月前
|
JSON 数据管理 关系型数据库
【Dataphin V3.9】颠覆你的数据管理体验!API数据源接入与集成优化,如何让企业轻松驾驭海量异构数据,实现数据价值最大化?全面解析、实战案例、专业指导,带你解锁数据整合新技能!
【8月更文挑战第15天】随着大数据技术的发展,企业对数据处理的需求不断增长。Dataphin V3.9 版本提供更灵活的数据源接入和高效 API 集成能力,支持 MySQL、Oracle、Hive 等多种数据源,增强 RESTful 和 SOAP API 支持,简化外部数据服务集成。例如,可轻松从 RESTful API 获取销售数据并存储分析。此外,Dataphin V3.9 还提供数据同步工具和丰富的数据治理功能,确保数据质量和一致性,助力企业最大化数据价值。
219 1

热门文章

最新文章

下一篇
DataWorks