数据管理的五个好处

组织负责管理比以往任何时候都多的数据，使一个强大的自动化框架成为必要。但是自动化框架到底是什么，它又有什么关系呢？

 

在大多数公司中，大量的数据以各种格式从多种来源流出，并且不断地在不断变化的系统环境中移动和联合。这些企业往往受到严格的监管，因此它们需要一个明确的数据集成模型，以帮助避免数据差异，消除企业商业智能和其他有意义的使用的障碍。it团队需要能够顺利生成数百个映射和etl工作。他们需要他们的数据映射属于治理和审计控制，有即时访问动态影响分析和世系。有了自动化框架，数据专业人员就能以传统手工方式的成本来满足这些需求。

在数据治理术语中，自动化框架是指一个由元数据驱动的通用代码生成器，它与企业数据映射一起工作，用于：

1.企业数据映射

2.管理元数据

3.在整个生命周期中对源到目标映射进行管理和版本控制

4.数据序列、影响分析和业务规则储存库

5.自动代码生成

 

这种自动化使组织能够绕过瓶颈，包括人为错误和手工完成这些任务所需的时间。事实上，能够依赖自动化和可重复的过程可以导致高达50%的设计节约，高达70%的转换节约和高达70%的总项目交付的加速。因此，不用多说，以下是数据治理自动化框架的五个主要好处。

 

自动化框架

 

数据管理自动化框架的好处为集成开发环境创造简单、可靠、一致和定制的环境。

 

代码自动化模板（cats）可以使用sdk脚本语言或解决方案的公开库，为几乎任何进程和技术平台创建，完全自动化普通的手工数据集成任务。

猫由高级自动化专家设计和开发，以确保它们符合行业或公司标准以及组织的最佳做法和设计标准。100%元驱动的方法对于创造可靠和一致的猫是至关重要的。

可以使用数据库、erp、云环境、文件、数据建模、bi报告和大数据的标准或自定义适配器和连接器来扫描、导入和配置元数据源和目标，以记录数据目录、数据映射，etl（xml代码），甚至任何类型的sql程序。提供了组织中任何人都可以使用的蓝图。从目标数据库的源元数据开始的ddl阶段；数据集成项目测试自动化的配置文件和测试sql；为领先的etl工具以及其他功能生成源到目标映射和etl工作。

 

将数据治理纳入系统开发进程。

 

一个组织可以实现一个比以往任何时候都更全面和可持续的数据治理倡议，用一个本地的解决方案。自动化框架自动创建、版本、管理和文档化从源到目标映射的能力对于数据治理的成熟度和较短的时间到值都很重要。

 

这就消除了项目团队被隔离时的重复，也防止了由于员工流失而造成的知识资本损失。另一个价值能力是数据治理和sdlc之间的协调，包括自动元数据收集和从广泛的来源进行编目，以便与核心数据治理能力和工件进行实时元数据同步。证明数据序列和影响分析对治理和风险评估的价值。

将etl代码自动反向工程化为自然语言，可以为数据治理提供更直观的谱系视图。

 

有了端到端的谱系，就可以看到数据从源到阶段，从阶段到edw，再到一个由mart和报表结构组成的联盟，提供了一个全面而详细的动态数据视图。

该过程包括利用现有的映射文档和自动文档映射，以快速呈现图形源到目标世系视图，包括可在整个企业共享的转换逻辑。

 

同样，影响分析----涉及跨表、列、系统、业务规则、项目、映射和etl流程的数据映射和序列----提供了对潜在数据风险的洞察，并在需要时能够快速和彻底地进行补救。对整个组织的影响进行分析，同时满足行业监管机构的监管要求，需要详细的数据映射和血统。

整合数据管理和数据治理的监管理由支持广泛的商业需求。智能自动化为数据价值链中的每个利益相关者提供了更高的能力、更高的效率和更有效的协作：数据管理员、建筑师、科学家、分析师、商业智能开发者、IT专业人士和商业消费者。

 

通过利用源到目标映射、etl代码生成和工作标准化，使他们更容易处理数据仓库等工作。

在合并或收购或现代化的过程中，对现有结构进行定期维护、从旧系统到新系统的移动，以及对数据进行映射、移动和测试都比较容易。埃尔文的数据管理自动化方法：埃尔文自动化框架成熟和可持续的数据治理需要信息技术和业务部门的合作，并得到一个技术平台的支持，该平台加快了数据智能的时间。

 

“企业数据治理经验”的埃尔温边缘投资组合的一部分，埃尔温自动化框架通过连接数据管理和数据治理生命周期的各个部分，将企业数据转化为准确和可操作的洞察力。

 

和所有的Erwin解决方案一样，它包含了所有来自任何地方（任意2）的数据，这些数据具有用于关系、非结构化、现场和基于云的数据资产的自动化，以及与猫相关的数据移动规范。

 

（部分内容来源网络，如有侵权请联系删除）