面對復雜度不斷增加的業務數據，如何才能全面保證數據質量？可以借助完備的Informatica數據質量平臺，無論何時何地，您都可以在整個企業內訪問，甄別、清洗、集成、交付可信的數據，并在第一時間找出并修正藏匿于任意位置、令您的公司動輒花費上百萬的數據質量問題。
Informatica的數據管理目標
調查顯示，信息的價值平均為企業價值的37%，這也讓越來越多的企業更加重視數據中心的建設。但有許多因素會導致這些“資產”貶值，比如數據的冗余和重復導致信息的不可識別、不可信，信息時效性不強，精確度不夠；結構或非結構數據使整合有困難；人員變動引發的影響；數據標準不統一，相關規范不完善造成對數據理解的不充分等等。
為了充分實現數據資產的業務價值，您需要一個數據集成平臺。Informatica既可以在數據架構層面提供信息傳遞、B2B數據交換、企業數據集成等一系列的基礎架構解決方案，同時也可為行業提供數據質量管理、主數據管理和復雜事件處理等方案，來支撐數據中心實現可信、交互、權威的信息資產管理，達成企業的業務目標，這也是信息中心建設的一個重點。
數據質量管理的整體框架
數據質量管理在數據中心建設中是一個完整的生態鏈。數據質量會受到供應商、生產員工、工藝流程以及內部客戶和外部一些系統的影響，同時，從應用和軟件角度方面講，數據提供者、軟件開發集成、質量管控手段等也都會影響到企業數據質量的整體狀況。從數據質量整體框架和方法論上講，首先我們要了解數據現狀、確定目標，然后要清楚用什么人，通過怎樣的流程，采用什么樣的技術來支撐和達成目標，所以，數據質量管理中，人、流程、技術三方面缺一不可。
要實現數據質量提升，還必須要做到指標的可量化，通過量化指標來實現質量可控。從技術層面講，要從以下六個角度去考量數據質量，也稱為數據質量的矩陣，包括：完備性、符合性、一致性、準確性、唯一性以及完整性。
構建數據質量處理流程
數據質量處理的流程是怎樣的呢？我們把數據質量的處理分為兩大部分：一是面向數據質量的分析過程，二是針對分析結果進行增強的過程。先要識別和量化數據質量，然后定義數據質量和目標，接下來就要交給相關部門設計質量提升的流程，其后就是實現質量提升的流程，并交付高質量數據給業務人員使用。同時，在整個環境中，還需要有相關的一些監控和對比來評估是否達成了目標，決定是否需要進行新一輪的數據質量提升。這是一個周而復始、螺旋上升的過程。
通過Informatica構建數據質量管理主要分為四大部分。首先是Analyze and Profiling，通過對現有數據的詳細分析、描繪，來確定怎樣進行處理和標準化；第二是StandardiseCleanse，標準化和清洗更容易讓計算機識別，比如數據可以通過什么樣的格式進行限制和約束，那些信息可以通過數據質點或者參考數據進行相關的標準化；第三是Match，標準化后要進行相關的數據匹配，解決數據重復性問題，保證數據的唯一性；第四是Consolidate，將重復的數據進行合并，最后運用到不同的系統當中。需要注意的是，在整個過程中我們都需要進行相關的監控。
現在，很多企業的數據中心，不僅僅只是一個最單純的面向數據倉庫的數據存儲中心，而是既能支持業務運營，又支持系統分析，還可進行系統間的整合。在數據中心建設中，數據質量需要從數據源端就開始進行治理，包括PowerCenter、Data Quality、MDM Hub、Informatica9在內的Informatica的數據質量工具，可以將所有的業務邏輯和規則變成相關的一些服務，由各個業務前端、各個業務處理過程中，對數據處理服務進行調用，進行相關的數據校驗驗和數據清洗，保證數據產生過程中的數據質量，減少事后數據處理的難度和投入。
總的來說，數據質量管理是一個綜合的治理過程，不能通過簡單的技術手段得意解決，需要從企業的高度加以重視，才能為數據中心建設提供高質量的數據保證。
京公網安備 11010502049343號