「主数据架构」4种常见的主数据管理实现风格

简介: 「主数据架构」4种常见的主数据管理实现风格

主数据管理(MDM)系统的基础是什么,这取决于您所认同的实现风格,这为项目成功提供了最佳机会。这在很大程度上取决于您在数据管理方面的业务情况。

有几种不同的实现样式可供选择,主要的区别在于是否从中心集线器控制数据,还是将集线器与现有数据源同步。

但是,为什么必须仔细考虑执行的风格呢?

对大多数组织来说,在整个组织中维护一个单一版本的真相是一个高度优先级的任务——同时还要满足遵从性和监管义务。重点放在提高数据质量、建立数据治理的指导方针以及确保数据可以在整个业务中轻松地管理和访问。

这些因素都可以通过使用最常见的实现样式来实现。然而,不同组织之间的主数据管理系统差异很大,您的部署类型将取决于您的核心业务、公司结构和公司目标。

您的MDM解决方案提供商将根据您的业务需求为您提供最佳的解决方案。在这里,我们将查看四种常见的主数据管理实现样式,以帮助您确定哪一种最符合您的组织需求。

MDM实现1:注册表样式

首先,我们将了解注册表样式,它主要用于通过对来自不同源系统的数据运行清理和匹配算法来发现重复项。它将唯一的全局标识符分配给匹配的记录,以帮助识别单一版本的真相。

这种样式不会将数据发送回源系统,因此对主数据的更改将继续通过现有的源系统进行。相反,它清理并匹配标识的交叉引用信息,并假设源系统可以管理其自身数据的质量。

将存储匹配和提供相应记录之间的链接所需的信息,并且可以根据需要访问此数据的视图。

当需要一个单一的、全面的客户视图时,它使用每个参考系统来实时构建一个360度视图。但是,需要对数据进行中央治理,以确保黄金记录是可靠的。


注册表样式实现的优点

如果您在世界各地有大量的源系统,则很难建立权威的源。可以使用注册表风格的方法来分析数据,同时避免在源系统中覆盖信息的风险。这将帮助您避免在源数据更改时可能发生的潜在遵从性失败或其他监管影响(可能因国家而异)。

Registry Style提供了一个不修改主数据的只读数据视图,是删除重复和获得对主数据的一致访问的有用方法。

它提供了低成本、快速的数据集成,对应用程序系统的入侵最小化。

MDM实现2:合并样式

接下来,让我们看看合并样式。使用整合样式,主数据通常从中心中的多个源进行整合,以创建单个版本的真相,也称为黄金记录。

黄金记录存储在中心集线器中,用于报告和参考。但是,对主数据进行的任何更新都将应用于原始数据源。


整合样式实现的好处

使用整合样式,您可以从许多现有系统提取主数据,并将其导入一个受管理的MDM hub。然后可以清理、匹配和集成这些数据,为一个或多个主数据域提供完整的单个记录。

合并后的集线器成本低,而且安装速度快,为方便企业范围的报告提供了一种快速而有效的方法。这种风格主要用于分析,为报告和分析提供可靠的数据来源。

MDM实现3:共存风格

共存样式允许您以与整合样式相同的方式构造黄金记录,但是主数据存储在中心MDM系统中,并在其源系统中更新。

共存样式比合并样式的部署成本更高,因为主数据更改可能发生在MDM系统和应用程序系统中。

主数据模型的所有属性在上载到主数据管理系统之前必须保持一致并清除。


共存风格实现的好处

这种风格的主要好处是,数据在源系统中被控制,然后与中心同步,因此数据可以和谐地共存,并且仍然提供单一版本的真相。

这种方法的另一个好处是主数据的质量得到了改善,访问速度更快。报告也更容易,因为所有主数据属性都在一个地方。

如果您的业务需要能够将集中治理的数据链接回源系统,那么整合样式中心可以自然地发展为共存样式中心。

MDM实现4:事务/集中式风格

事务样式使用链接、清理、匹配和丰富算法来存储和维护主数据属性,以增强数据。然后可以将增强后的数据发布回其各自的源系统。

中心支持主记录的合并,源系统可以订阅由中央系统发布的更新,以提供完全的一致性。但是,这种风格需要对源系统进行双向交互。


事务/集中式实现的优点

这种风格的真正好处是,您的主数据在任何时候都是准确和完整的,而事务样式中心可以支持数据属性级别的安全性和可视性策略。您可以为一个或多个域获得一组集中的主数据。

事务样式通常可以从合并或共存样式演化而来。

MDM实现风格

我们希望这四种常见的主数据管理实现风格的简要概述将帮助您确定适合您的组织的正确方法。

但是,在开始任何实现之前,需要定义希望通过MDM系统解决哪些业务挑战。

如果您被分散在不同系统中的数据所阻碍,那么您的第一步应该是探索如果您可以方便地访问单个综合记录,那么您将如何处理数据。

下一步是考虑组织中谁需要访问这些数据,最后是希望他们能够从全球不同的设备和位置访问这些数据吗?

这时,听取主数据管理专家的建议是值得的。理想情况下,您选择的实现风格应该帮助您管理和维护最关键的数据,使您能够克服挑战并实现积极的业务结果。

幸运的是,使用我们列出的所有样式,您可以随着公司需求的增长或组织的扩展从一个样式发展到另一个样式。关键因素是一开始就使用正确的MDM平台,这样它就可以与您的业务一起开发。

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。
|
11月前
|
存储 BI Shell
Doris基础-架构、数据模型、数据划分
Apache Doris 是一款高性能、实时分析型数据库,基于MPP架构,支持高并发查询与复杂分析。其前身是百度的Palo项目,现为Apache顶级项目。Doris适用于报表分析、数据仓库构建、日志检索等场景,具备存算一体与存算分离两种架构,灵活适应不同业务需求。它提供主键、明细和聚合三种数据模型,便于高效处理更新、存储与统计汇总操作,广泛应用于大数据分析领域。
1165 2
|
存储 数据管理 数据格式
数据治理 vs. 数据管理:别再傻傻分不清!
数据治理 vs. 数据管理:别再傻傻分不清!
630 10
|
11月前
|
SQL 缓存 前端开发
如何开发进销存系统中的基础数据板块?(附架构图+流程图+代码参考)
进销存系统是企业管理采购、销售与库存的核心工具,能有效提升运营效率。其中,“基础数据板块”作为系统基石,决定了后续业务的准确性与扩展性。本文详解产品与仓库模块的设计实现,涵盖功能概述、表结构设计、前后端代码示例及数据流架构,助力企业构建高效稳定的数字化管理体系。
|
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。
|
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”。
369 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
|
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。
|
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。