质量规则支持自定义属性,规则管理更便捷

简介: 随着企业数据治理开展到一定阶段,对质量监控规则的精细化管理诉求进一步提升,需要为质量规则配置更多属性信息以支持后续的统计的分析。Dataphin V4.0版本新增了自定义质量规则属性的能力,通过简单的配置即可实现灵活、高效的规则管理,满足多样化诉求。

应用场景

随着企业数据治理开展到一定阶段,对质量监控规则的精细化管理诉求进一步提升,质量管理员常常会收到以下诉求:

  • 数据治理团队希望对数据质量规则进行更加细致的“分类”并指定“规则负责人”,以提升规则管理效率。
  • 数据质量管理员需要统计不同“归口管理部门”负责的质量规则对应的监控通过率和整改结果,优化数据质量监控流程。
  • 某大型企业为不同业务部门创建了不同的租户,集团制定了统一的质量规则属性(如“规则制定依据、校验异常排查引导”)便于在各租户共享优秀的质量治理案例,同时各部门也希望根据实际业务需求增加个性化的属性便于内部管理。

……

以上场景,都需要为质量规则增加更丰富的属性信息作为补充。


功能概览

1. 灵活的属性配置

“规划-属性管理”页面新增自定义“质量规则属性”功能,支持配置属性名称、是否必填、填写方式、默认值等基本信息,不仅能保证属性配置的规范性,同时也能提升配置效率;此外,支持配置自定义属性是否用作规则列表的搜索或筛选项,让规则搜索更加灵活。

除了灵活的填写配置,我们也可以对属性进行排序,新建规则页面自定义的业务属性将按照规则管理页面的排序进行展示,以便保持属性之间的相关性,也更符合操作人的填写和阅读习惯,提升使用体验。


2. 高效便捷的规则管理

属性启用后,创建质量规则时就可以根据属性定义填写相应的业务信息,如:规则负责人、监控对象开发负责人、质量问题归口管理部门等。

 

此外,针对填写方式为下拉选择的属性,支持通过“追加”和“覆盖”的方式批量修改业务属性配置。

规则配置完成后,如果我们需要对质量规则进行统计分析,就可以结合元仓共享模型的数据,将规则元数据信息导出后再使用电子表格或者 BI 工具制作看板,满足多样化诉求。


整体来说,自定义属性作为质量规则业务信息的补充,让数据质量规则的管理更加自由、灵活、高效,还等什么,快来体验吧!

相关文章
|
数据采集 监控 数据管理
数据质量最佳实践(5):利用质量分和排行榜提升企业数据质量【Dataphin V3.12】
在数据质量最佳实践(3):通过质量治理工作台,实现质量问题的跟踪和处理这篇文章中,我们详细的介绍了如何通过治理工作台,对系统出现的一个一个具体质量问题进行治理。 但是对于企业整体的数据质量情况,我们该如何评估呢?以及如何寻找当前企业的数据质量短板,并有针对性的进行改进和提升呢? 在Dataphin V3.12版本中,质量新增了质量分的能力,可以给数据表和质量规则配置打分权重和打分方式,从而获得全局、数据源、项目、负责人、数据表等维度的质量打分评估,帮助CDO判断企业整体的数据质量情况和数据质量问题的分布,从而有针对性的提升企业整体的数据质量水平。
1521 1
|
数据采集 数据管理 数据处理
数据质量最佳实践(3):通过质量治理工作台,实现质量问题的跟踪和处理
在Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展这篇文章中,我们详细的介绍了Dataphin数据质量模块的产品核心能力和产品使用演示。 在实际的质量管理中,做完了事前的质量规则的配置和事中的质量规则校验后,会产生大量的质量问题待治理项,这时候需要有一个完整的工作流程去管理质量问题,实现从质量规则配置,到质量问题发现,到质量治理修复问题,最终提升数据质量的完整PDCA流程。
810 0
数据质量最佳实践(3):通过质量治理工作台,实现质量问题的跟踪和处理
|
数据采集 SQL 机器学习/深度学习
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展
数据质量是数据建设和管理中非常重要的一环。所有的数据应用,不论是用于支持业务开展的数据库,还是用于支持商业决策,或者用于机器学习和人工智能等高级应用,实现数据价值的前提是数据本身是高质量的,是可靠和可信的。
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展
|
数据采集 存储 监控
数据质量最佳实践(2):通过归档和分析异常数据,快速定位质量问题
在Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展这篇文章中,我们详细的介绍了Dataphin数据质量模块的产品核心能力和产品使用演示。 在实际的质量管理过程中,经常需要通过查看异常数据,来确定质量问题产生的原因,从而针对性的修复质量问题,下面我们一起来看下Dataphin质量模块的异常数据归档能力。
981 0
数据质量最佳实践(2):通过归档和分析异常数据,快速定位质量问题
|
数据采集 数据管理 数据处理
数据质量最佳实践(3):通过质量治理工作台,实现质量问题的跟踪和处理
在Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展这篇文章中,我们详细的介绍了Dataphin数据质量模块的产品核心能力和产品使用演示。 在实际的质量管理中,做完了事前的质量规则的配置和事中的质量规则校验后,会产生大量的质量问题待治理项,这时候需要有一个完整的工作流程去管理质量问题,实现从质量规则配置,到质量问题发现,到质量治理修复问题,最终提升数据质量的完整PDCA流程。
再见手动编码,标准自动化编码规则来帮忙!
标准管理员小S面临数据标准编码管理的挑战:编码格式不统一、编码值不可读活相关性差,手动管理耗时易出错。Dataphin新推出“标准编码规则”功能,可以实现一次配置批量生成编码,并通过自增序列、固定字符串和所属标准集编码的组合,保证编码相关性和灵活性,同时提供了编码规则变更后的批量订正功能,大大简化管理工作。小S对此表示高度满意。
737 0
|
监控 数据管理
治理工作台升级,可手动录入质量问题,实现反馈有渠道、整改可跟踪
Dataphin V4.0版本升级治理工作台,支持手动录入数据质量问题,新增对“标签”对象的问题管理,并且可对问题进行分类。问题清单和整改流程也进行了优化,手动录入的问题和自动识别的问题可统一整改追踪,并提供操作记录,以增强数据质量管理的响应速度和效率。
852 2
【一刷《剑指Offer》】面试题 12:打印 1 到最大的 n 位数
【一刷《剑指Offer》】面试题 12:打印 1 到最大的 n 位数
|
消息中间件 SQL 分布式计算
一篇文章搞定数据同步工具SeaTunnel
一篇文章搞定数据同步工具SeaTunnel
10701 1
数字信号处理期末复习——计算大题(一)
数字信号处理期末复习——计算大题(一)
543 0
数字信号处理期末复习——计算大题(一)

热门文章

最新文章