「数据架构」:建立企业数据管理的综合策略 执行概述

简介: 「数据架构」:建立企业数据管理的综合策略 执行概述

构建企业数据管理策略

议程

  1. 定义企业数据管理(EDM)
  2. 业务驱动的企业数据管理方法
  3. 定义EDM策略

─挑战

─好处

─定义EDM策略的不同的技术

─全面EDM策略的指导原则

4.MIKE2.0方法

─战略活动概述

─示例任务输出从战略活动

5.经验教训

企业数据管理

如何定义企业数据管理

在许多类型的项目中,有一个定义良好的数据管理方法是成功的关键.

  • 数据治理
  • 数据调查和再造
  • 数据集成
  • 数据迁移(一次性批迁移和并行运行)
  • 数据仓库(传统的)
  • 数据仓库(实时,面向服务)
  • 数据集市的整合
  • 特定于应用程序的仓库或迁移
  • 主数据管理
  • 数据融合
  • IT转型

此外,对于许多不属于“数据项目”的项目,数据管理方法是其成功的关键因素。由于这些共性和问题的复杂性,有必要使用企业方法进行数据管理。

数据管理的高层业务驱动

数据管理问题是我们优先考虑的问题

CIO:

首席信息官面对业务的双方;每个IT项目的增长和扩张需求以及成本合理性.

各机构每年都在这方面投入数百万美元,但它们感觉自己已经这样做了,达到了能够控制成本,同时又能进行大规模收购的限度.

CFO:

在《萨班斯-奥克斯利法案》(Sarbanes-Oxley act)之后的环境中,首席财务官被要求在财务报表签字。财务报表的质量,数据和数据的质量以及产生这些数据的系统数据现在比以往任何时候都受到更严格的审查.

CRO:

随着《巴塞尔协议II》(Basel II)和《美国爱国者法案》(USA Patriot act)等一系列法规的出台,金融机构的风险合规问题变得更加复杂对遵从性的竖井方法不再有效,可以在围绕风险的计划池中找到大量的节省.

CMO:

在一个CMOs被要求用比以往更少的人力来增加收入的环境中,新的法规正在阻碍他们的发展

有效性.

隐私政策,退出政策破坏现有数据库之前,很难交叉销售和出售现有客户.

定义EDM策略的挑战

迎接这些挑战是成功的关键

建立一个EDM策略,可以适应:

  • 通过基于增量交付的持续开发
  • 在多年计划中改变业务需求
  • 在长期战略计划 的下文中 交付战术项目
  • 随着供应商发布和技术进步持续地改变技术

将EDM战略与其他战略计划相结合:

  • 提供交付物定义一致的“蓝图”,“路线图”,“框架”
  • 确保一致的水准——重构太高级或太详细的可交付成果
  • 确保策略是联系组织文化和改变的能力
  • 定义一个交付方法,允许并行的活动和避免连环瓶颈
  • 确保交付是集中在高风险地区的数据管理
  • 通过重用提高运营效率的共同的工作产品

在整个组织内建立更完善的数据管理能力:

  • 从数据管理的角度——从IT、整个业务和跨部门——遵循一个系统的过程交付
  • 数据管理性能指标融入您的所有活动
  • 建立一个框架来重用内容详细的技术水平
  • 提供解决方案,集成概念、逻辑和物理从供应商更改绝缘水平

EDM策略:驱动和利益


实现

  • 确保所有系统之间的公共数据协调
  • 改进了整个企业环境中的数据质量
  • 通过数据标准降低信息管理环境的复杂性
  • 能够跟踪体系结构中所有系统之间的信息流
  • 规模能满足未来业务量的增长
  • 满足任何启动项目的需求,还可以扩展到更广泛的企业环境

避免

  • 导致数据质量问题的根深蒂固的信息过程
  • 与综合管理和信息管理有关的不必要的工作重复
  • 导致数据协调问题的不一致的信息管理过程
  • 低效的软件开发过程会增加成本并减慢交付速度
  • 共享公共信息的项目之间的未知交接
  • 不灵活的系统和特定技术的锁定
  • 不必要重复的技术支出

MIKE2.0查看了3种可行的方法来定义EDM策略

拟定计划的方法

  • 全面的蓝图规划方法跨越了人员、流程、组织和技术
  • 目标是形成一个综合信息发展组织
  • 遵循MIKE2.0前两阶段的所有活动
  • 战略的路线图方面是针对每个增量执行的

元数据驱动的方法

  • 重点是构建组织的参考模型,其不仅包括数据字典,还包括完整的企业信息管理环境
  • 元数据驱动的方法不仅仅是通用的数据定义 - 包括转换,治理规则
  • 融入Blueprinting方法虽然经常在战略的路线图方面开始(第3阶段)
  • 数据调查可以帮助填充元数据驱动的方法

调查的方法

  • 进行数据分析以定量地理解当前环境的数据质量问题
  • 帮助消除有关当前信息环境的不确定性和假设通常使用基于工具的方法
  • 允许对信息管理策略做出基于事实的决策

EDM战略的指导原则


  • 从一开始就正式建立高层赞助。
  • 为相关数据主题领域指定数据管理员。 将指派数据治理负责人来指导整体工作
  • 使具备适当技能的员工能够构建和管理新的信息系统,并创建卓越的信息文化
  • 将员工行为改为架构师解决方案而不是仅仅构建解决方案

流程

  • 明确设计企业范围的举措
  • 建立一种可以从战略到运营的方法论方法
  • 定义企业范围的标准,政策和程序
  • 通过蓝图避免“协作迷宫”,实现持续的沟通和实施
  • 建立一个整体愿景,使企业与技术保持一致,战略战略
  • 不要过多细节 - 建立愿景,然后专注于'下一件事.

组织

  • 建立一个信息管理网络组织,以最有效的方式为业务交付解决方案。
  • 在3个层次上对企业进行建模,并高度关注信息和基础设施
  • 转到卓越中心提供信息和基础设施发展模式
  • 在架构、交付和领导之间建立力量平衡

技术

  • 从明确和全面的战略需求中推动技术选择
  • 重点是大大提高灵活性和重用作为战略框架的一部分
  • 基于开放通用标准选择技术,设计实现
  • 从开始阶段就建立基础能力,并将其作为每个实现阶段的早期活动优先考虑
相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
|
9月前
|
数据采集 存储 安全
数据治理≠数据管理!90%的企业都搞错了重点!
在数字化转型中,数据不一致、质量差、安全隐患等问题困扰企业。许多组织跳过基础的数据管理,直接进行数据治理,导致方案难以落地。数据管理涵盖数据生命周期中的采集、存储、处理等关键环节,决定了数据是否可用、可靠。本文详解数据管理的四大核心模块——数据质量、元数据、主数据与数据安全,并提供构建数据管理体系的四个阶段:评估现状、确定优先级、建立基础能力与持续改进,助力企业夯实数据基础,推动治理落地。
|
10月前
|
数据采集 缓存 前端开发
如何开发门店业绩上报管理系统中的商品数据板块?(附架构图+流程图+代码参考)
本文深入讲解门店业绩上报系统中商品数据板块的设计与实现,涵盖商品类别、信息、档案等内容,详细阐述技术架构、业务流程、数据库设计及开发技巧,并提供完整代码示例,助力企业构建稳定、可扩展的商品数据系统。
|
8月前
|
运维 Prometheus 监控
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
344 8
|
9月前
|
数据采集 机器学习/深度学习 搜索推荐
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
MIT与丰田研究院研究发现,扩散模型的“局部性”并非源于网络架构的精巧设计,而是自然图像统计规律的产物。通过线性模型仅学习像素相关性,即可复现U-Net般的局部敏感模式,揭示数据本身蕴含生成“魔法”。
382 3
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
|
8月前
|
Java Linux 虚拟化
【Docker】(1)Docker的概述与架构,手把手带你安装Docker,云原生路上不可缺少的一门技术!
1. Docker简介 1.1 Docker是什么 为什么docker会出现? 假定您在开发一款平台项目,您的开发环境具有特定的配置。其他开发人员身处的环境配置也各有不同。 您正在开发的应用依赖于您当前的配置且还要依赖于某些配置文件。 您的企业还拥有标准化的测试和生产环境,且具有自身的配置和一系列支持文件。 **要求:**希望尽可能多在本地模拟这些环境而不产生重新创建服务器环境的开销 问题: 要如何确保应用能够在这些环境中运行和通过质量检测? 在部署过程中不出现令人头疼的版本、配置问题 无需重新编写代码和进行故障修复
723 2
|
9月前
|
数据采集 存储 SQL
数据管理四部曲:元数据管理、数据整合、数据治理、数据质量管控
老张带你搞定企业数据管理难题!数据找不到、看不懂、用不好?关键在于打好元数据管理、数据整合、数据治理和数据质量管控四大基础。四部曲环环相扣,助你打通数据孤岛,提升数据价值,实现精准决策与业务增长。
数据管理四部曲:元数据管理、数据整合、数据治理、数据质量管控
|
9月前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
10月前
|
数据采集 监控 数据可视化
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
本案例讲述了在豆瓣电影数据采集过程中,面对数据量激增和限制机制带来的挑战,如何通过引入爬虫代理、分布式架构与异步IO等技术手段,实现采集系统的优化与扩展,最终支撑起百万级请求的稳定抓取。
579 0
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
|
10月前
|
缓存 前端开发 BI
如何开发门店业绩上报管理系统中的门店数据板块?(附架构图+流程图+代码参考)
门店业绩上报管理是将门店营业、动销、人效等数据按标准化流程上报至企业中台或BI系统,用于考核、分析和决策。其核心在于构建“数据底座”,涵盖门店信息管理、数据采集、校验、汇总与对接。实现时需解决数据脏、上报慢、分析无据等问题。本文详解了实现路径,包括系统架构、数据模型、业务流程、开发要点、三大代码块(数据库、后端、前端)及FAQ,助你构建高效门店数据管理体系。