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

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: 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。

应用场景

Dataphin 从 V3.10 版本开始支持了治理工作台的功能,针对通过质量规则监控自动识别出来的问题,可以结合整改流程进行问题跟踪和处理,提升了质量管理的规范性。

但是,质量问题的来源往往不止监控规则,例如:

  • 业务分析师在资产目录中找到一张需求分析相关的表,通过“数据探查”功能了解表数据概况,发现其中一个字段的“值分布”存在明显异常,希望能直接快捷地反馈该数据质量问题
  • 质量管理员从数据运营团队收集到一批取数用数过程中遇到的问题,希望能够将这部分问题录入系统,和其他通过质量监控规则自动发现的问题用统一的整改流程来追踪
  • 标签业务员发现自己使用的标签数据已经 1 周没有更新过,需要向标签开发人员反馈该问题,并追踪问题的整改情况

因此,V4.0 版本中,Dataphin 治理工作台再升级,支持手动录入质量问题,并且纳入了“标签”对象的问题管理,更全面地实现反馈有渠道、整改可跟踪。


功能概览

问题反馈更便捷

首先,本期拓展了问题反馈渠道。除了系统通过质量规则监控自动发现问题外,您可以在资产目录或标签市场中浏览资产详情时快速反馈发现的异常问题,也可以在治理工作台中统一批量录入问题,并在问题清单列表中统一查看和管理所有的质量问题,缩短反馈链路。

反馈问题时,您可以上传附件(如数据比对结果、问题录屏等等)作为问题的依据,也可以选择是否提供个人联系方式,便于问题处理人联系您了解更多细节信息。

此外,治理工作台可管理的问题对象除了已经支持的数据表、数据源等,还新增支持了对“标签”类型对象的问题反馈及管理,让标签使用更放心。

问题管理更精细

本次新增支持对质量问题进行分类管理。

针对通过质量规则监控系统发现的问题,会根据“规则类型”自动归属到对应的系统问题类型(如“一致性校验异常”),后续也可以编辑新增其他问题类型。针对手动录入的问题,可以在提出问题时标注问题分类,也可以后续批量管理修改问题所属分类。

系统内置了部分常见的质量问题类型(如:数据不准确、数据产出延迟、数据口径不准确等),开箱即用,也支持自定义新增类型,让问题管理更加便捷。

本次问题清单列表也进行了升级。

首先,我们按照资产类型对问题进行了分类统计,可以快捷查看每种类型下已提出的和待处理的问题总数。其次,每个资产类型对应一份问题清单列表,支持按照问题对象名称进行搜索,也可以按照问题分类、提出方式/提出人等进行进一步筛选,提升查找问题效率。您可以在列表查看问题的基本信息、当前的处理状态、关联的整改流程和问题负责人等,还可以根据需要查看的信息项自定义配置展示列,使用体验更友好。

整改流程更完善

针对本期新增的手动录入的问题,您可以进行:标记为已处理、打回重新处理、忽略异常、转交问题负责人等操作,并且可以将手动问题和系统自动识别问题一并加入整改流程进行统一整改追踪。发起整改时,您可以选择已有的整改流程,也可以快速创建新的流程,大大提升了操作灵活性。

针对单个问题和整改流程的每一次操作都会被记录为清晰可循的操作记录,您可以通过记录完整跟踪每个问题的处理节点。

结语

通过治理工作台集中管控和处理系统自动检测及手动录入的质量问题,能更大程度上确保问题被有效追踪和及时整改,提升整体数据质量管理的响应速度和维护效率,为您的数据治理提供更有力的支撑。

相关文章
|
数据采集 监控 搜索推荐
质量规则支持自定义属性,规则管理更便捷
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。
485 0
|
9月前
|
SQL 分布式计算 数据挖掘
智能数据建设与治理 Dataphin 评测报告
本文详细记录了测试开发工程师“宏哥”对阿里巴巴云产品Dataphin的评测体验。Dataphin是一款基于OneData数据治理方法论的企业级数据中台工具,提供数据采集、建模、管理与应用的全生命周期能力。评测从开通试用、环境准备、项目创建到任务开发、周期补数据、即席分析及数据分析等多个环节展开。宏哥按照官方手册完成了数据处理全流程,但也指出了一些问题:如部分操作步骤不够清晰、新手友好数不足(例如SQL脚本编写难度)、以及业务流程逻辑需进一步优化。整体来看,Dataphin在数据同步、周期补数据和即席分析等方面表现出色,但用户体验和学习成本仍有提升空间。
257 8
|
7月前
|
人工智能 JSON 运维
Dataphin MCP:让数据查询 “轻而易举”
Dataphin推出MCP服务,助力Agent高效获取数据,释放企业数据价值。
610 10
|
7月前
|
数据采集 监控 安全
数据治理起步难?Dataphin内置模板来帮你
数据治理冷启动常因沟通协调多、流程长且配置繁琐而受阻。Dataphin 提供多种内置模板,涵盖数据标准码表(如行政区划、度量单位等)、安全分类分级(如金融、能源行业规范)、数据质量规则(40+常用规则)及识别特征(如手机号、身份证号),助力企业快速构建治理框架,提升效率,加速数据战略实施。
237 0
|
11月前
Dataphin免费试用指南
为您提供Dataphin快速上手操作指南,一起轻松构建数据
633 67
|
数据采集 监控 大数据
大数据时代的数据质量与数据治理策略
在大数据时代,高质量数据对驱动企业决策和创新至关重要。然而,数据量的爆炸式增长带来了数据质量挑战,如准确性、完整性和时效性问题。本文探讨了数据质量的定义、重要性及评估方法,并提出数据治理策略,包括建立治理体系、数据质量管理流程和生命周期管理。通过使用Apache Nifi等工具进行数据质量监控和问题修复,结合元数据管理和数据集成工具,企业可以提升数据质量,释放数据价值。数据治理需要全员参与和持续优化,以应对数据质量挑战并推动企业发展。
3129 3
|
11月前
|
搜索推荐 算法 大数据
大数据无处不在:揭秘日常生活中的大数据魔力
大数据无处不在:揭秘日常生活中的大数据魔力
513 10
|
Ubuntu Linux 开发工具
升级openssh前安装zlib报异常configure aborting
【8月更文挑战第22天】当升级OpenSSH前安装zlib遇到“configure aborting”异常,可尝试:1) 检查并确保所需依赖项(如gcc、make)已安装且版本兼容;2) 核实环境变量(如`PATH`, `LD_LIBRARY_PATH`)正确无误;3) 确认zlib版本与系统架构及OS版本匹配;4) 手动配置编译参数(如`--prefix`, `--with-pic`);5) 仔细审查configure脚本输出的错误信息;6) 在相关社区寻求帮助或查阅官方文档。遵循上述步骤有助于解决安装问题,顺利完成OpenSSH升级。
477 8
|
安全 数据挖掘 大数据
Dataphin推出“资产消费”功能,助力提升数据分析效率与体验
在数据驱动的时代,企业数据资产的有效管理与高效利用成为了企业数字化转型的关键。面对复杂多变的业务场景和日益增长的数据需求,如何确保数据资产的安全访问、便捷查找与灵活消费,成为众多数据平台负责人的共同挑战。Dataphin,作为一站式大数据智能建设与管理平台,在V4.2版本中全新推出“资产消费”新功能,旨在通过统一权限管理并打通 BI 平台,为企业数据资产管理与消费带来便捷体验。
505 0
|
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