Plattform für die Verwaltung von Unternehmensmetadaten

Angesichts der Digitalisierung ist es entscheidend, die verschiedenen Metadaten in der Unternehmensumgebung zu integrieren und zu nutzen. Für Unternehmen ist die Wahl eines Tool zur Metadatenverwaltung Die für sie passende Lösung maximiert die Rolle der Metadaten und unterstützt Unternehmen dabei, ihre strategischen Ziele im Hinblick auf Daten zu erreichen.

Verschiedene Rollen in einem Unternehmen haben möglicherweise unterschiedliche Erwartungen an Metadaten-Tools. Diese Erwartungen lassen sich jedoch grundsätzlich auf die zehn wichtigsten Funktionen von Metadaten-Management-Tools abbilden. Natürlich werden diese Funktionen durch Schlüsseltechnologien unterstützt. „Metadaten-Management wird die Kerninfrastruktur der zukünftigen Unternehmensinformatisierung sein.“

Tatsächlich ist es im Big Data-Umfeld so, dass ein Unternehmen, wenn es nicht eine Vielzahl komplexer Informationen durch Metadatenverwaltungist es schwierig, die Informationen effektiv zu nutzen. Viele Unternehmen stellen jedoch allmählich fest, dass der direkte Nutzen, den das Metadatenmanagement für die geschäftliche Innovation im Unternehmen bringt, sehr begrenzt ist.

Metadatenverwaltung für Unternehmen

Wie ist der aktuelle Stand des Metadatenmanagements?

Die Hauptgründe, warum Metadatenmanagement keinen direkten Mehrwert für Geschäftsinnovationen bringen kann, liegen in den folgenden vier Aspekten:

1. Eingeschränkter Verwaltungsspielraum: Der derzeitige begrenzte Umfang des Metadatenmanagements spiegelt sich hauptsächlich in zwei Aspekten wider: Erstens werden nur Metadaten im Zusammenhang mit Data Warehouses verwaltet werden, und die Metadatenverwaltung erstreckt sich nicht auf die gesamte Unternehmensebene. Zweitens wird selbst im Bereich Data Warehouses nur ein Teil der technischen Metadaten verwaltet. Der Mangel an technischen Metadaten verhindert, dass das Metadatensystem die tatsächliche Situation des Unternehmenssystems abbildet. Der Mangel an Geschäftsmetadaten führt lediglich zu einer Reihe von Tabellenstrukturen ohne spezifische Geschäftsbedeutung.
2. Schwierigkeiten bei der Integration von UnternehmenAufgrund der mangelnden Integration in das Unternehmen stellen viele Unternehmen nach der Implementierung des Metadatenmanagementsystems fest, dass es nur von den internen Mitarbeitern der Datenmanagementabteilung genutzt wird und von den Mitarbeitern anderer Abteilungen überhaupt nicht verwendet werden kann. Alle Systeme sollten dem Unternehmen dienen. Ein System, das nur von einer Abteilung genutzt wird, ist nutzlos. Es ist sehr wichtig, dass alle Mitarbeiter das Metadatenmanagementsystem nutzen.
3. Fehlende Anwendungsszenarien: Derzeit beschränken sich die meisten Anwendungsszenarien von Metadaten auf die internen Funktionen des Metadatensystems, wie z. B. Herkunftsanalyse, Versionsverwaltung usw. Diese Funktionen werden von Unternehmen bei der Informatisierung verwendet, aber tatsächlich spiegelt sich die Rolle von Metadaten nicht nur in diesen begrenzten Funktionen wider.
4. Unvollkommene Technologie: Unvollkommene Technologie hat zu den oben genannten Problemen geführt. Die Skalierbarkeit ist unzureichend, sodass viele Tools zur Metadatenverwaltung die Geschäftsdaten und -struktur des Unternehmens nicht verwalten können. Die Erfassungskapazität ist unzureichend, sodass nur manuelle Hilfsdatensätze erstellt werden, hohe Arbeitskosten anfallen und keine vollständige Informationsverknüpfung möglich ist. Die Echtzeitleistung ist unzureichend, sodass sich die Metadatenverwaltung vieler Unternehmen noch in der T+1-Phase (oder sogar nicht in der T+1-Phase) befindet. Sie können den Status der Datenbestände nicht in Echtzeit erfassen und mit dem rasanten Datenwachstum des Unternehmens nicht Schritt halten.

Auf dem heutigen Markt besteht eine steigende Nachfrage nach Enterprise-Metadatenmanagement:

1. Die Digitalisierung schreitet immer schneller voran und die Datenmenge in Unternehmen ist exponentiell gewachsen.

Mit dem digitalen Zeitalter können viele komplexe und veränderliche Informationen in messbare Daten umgewandelt und zur einheitlichen Verarbeitung in den Computer eingegeben werden. Studien zeigen, dass die von Unternehmen gesammelten und genutzten Daten jährlich exponentiell zunehmen werden. Die effektive Verwaltung dieser riesigen Datenmengen erfordert ein unternehmensweites Metadatenmanagement.

2. Das Aufkommen von Big Data-bezogenen Technologien eröffnet Unternehmen neue Möglichkeiten.

Mithilfe von Big Data-Technologien lässt sich der Wert von Unternehmensdaten voll ausschöpfen. Allerdings bedeutet Big Data häufig die Erfassung, Verbreitung und gemeinsame Nutzung vieler Datenquellen, wie etwa mobiler persönlicher Daten, Daten aus sozialen Netzwerken, öffentlicher Daten, Daten des Internets der Dinge usw. Dieser Prozess erfordert die Unterstützung durch das Metadatenmanagement des Unternehmens.

3. Erhöhte geschäftliche Nachfrage nach Datenverwaltung.

Heutzutage achten Unternehmen darauf, wie sie Big Data nutzen können. Die Voraussetzung für die Anwendung von Big Data ist jedoch, hochwertige DatenHeutzutage verwenden viele Unternehmen unterschiedliche interne Datenformate und Standards. Big-Data-Anwendungen beginnen oft mit DatenverwaltungAls wichtiges Mittel zur Unternehmensdatenverwaltung wird das Datenmanagement unweigerlich die Aufmerksamkeit in- und ausländischer Unternehmen auf sich ziehen.

Wie lässt sich der Geschäftswert des Metadatenmanagements voll ausschöpfen?

Metadaten definieren Attribute entsprechend den tatsächlichen Geschäftsszenarien. Metadaten haben gemeinsame Attribute wie Name und Typ. Verschiedene Metadatentypen haben zudem ihre eigenen spezifischen Attribute. Da Metadaten ebenfalls Daten sind, müssen sie in einer Datenbank gespeichert werden. Ein Metadaten-Repository bezeichnet die physische Datenbanktabelle, in der Metadaten gespeichert werden. Üblicherweise wird zur Metadatenspeicherung eine relationale Open-Source-Datenbank (MySQL) verwendet. Im Folgenden wird die Verwaltung von Metadaten unter verschiedenen Aspekten beschrieben:

1. Bestimmen Sie den Metadatenumfang.

Bestimmen Sie zunächst den Umfang der Metadatenquellen. In der Praxis müssen nicht alle Daten über Metadaten verwaltet werden. Normalerweise werden Geschäftsdaten für die Metadatenverwaltung ausgewählt. Nicht-Geschäftsdaten werden nicht in den Verwaltungsumfang einbezogen, da die Metadatenverwaltung Unternehmen und Entwicklern einen schnellen Überblick über Geschäftsdaten ermöglichen soll.

Nachdem die Regeln festgelegt wurden, muss basierend auf der tatsächlichen Situation des Unternehmens geklärt werden, welche Geschäftssysteme, Datenbanken, Datenbankbenutzer und Tabellen Metadatenverwaltung benötigen. Natürlich kann auch die Extraktion unstrukturierter Metadaten wie Word, PDF usw. unterstützt werden.

2. Zugriff auf Metadaten

Der Zugriff auf die Metadaten erfolgt in der Regel vom Quellsystem. Verfügt das Unternehmen bereits über ein Data Warehouse oder sind die Echtzeitanforderungen gering, wird zur Reduzierung des Entwicklungsaufwands auf die vorhandenen Metadaten vom Data Warehouse und auf nicht verbundene Metadaten vom Quellsystem zugegriffen. Diese Lösung birgt jedoch auch Risiken. Stimmen die Daten des Data Warehouse nicht mit denen des Quellsystems überein, führt dies zu Metadatenfehlern. Die Metadatenextraktion erfolgt heute größtenteils über die Konfigurationsautomatisierung.

3. Legen Sie Metadatenstandards fest.

Beim Sortieren kann es vorkommen, dass einige Datenbanken oder Datendefinitionen nicht standardisiert sind, was die Metadatenverwaltung unmöglich macht. Anschließend muss eine Spezifikation für die Metadatenverwaltung erstellt werden, um die Front-End-Quelldaten zur Korrektur umzukehren und so vor allem die Integrität und Konsistenz der Metadaten sicherzustellen.

Entsprechend den Anforderungen verschiedener Unternehmenstypen stehen Metadaten unterschiedlichen Gruppen offen. Daher muss der Berechtigungsverwaltungsprozess für Metadaten in den Spezifikationen definiert werden, einschließlich der Berechtigungsebene für Metadaten, des Berechtigungsantragsprozesses für Metadaten, des Freigabeprozesses für Metadaten und des Genehmigungsprozesses für Metadaten.

4. Pflege der Metadaten.

Die Metadatenpflege dient hauptsächlich der Pflege und Verwaltung der freigegebenen Metadaten. Müssen die online freigegebenen Metadaten angepasst oder optimiert werden, muss der Metadatenfreigabeprozess erneut durchlaufen werden. Eine direkte Änderung der Metadaten ist nicht zulässig. Aus Sicherheitsgründen müssen alle Metadatenvorgänge im Metadatenvorgangsprotokoll aufgezeichnet werden.

Sie können Kataloge für Metadaten erstellen, unterschiedliche Metadaten in die entsprechenden Kataloge einbinden und die entsprechenden Kataloge entsprechend den Geschäftsprozessen, Geschäftsthemendomänen und Entwicklungsprozessen gestalten, hauptsächlich basierend auf den Unternehmensanforderungen.

5. Suche, Analyse und Berichterstellung von Metadaten.

Eine separate Seite unterstützt die schnelle und präzise Suche nach Metadaten. Durch Eingabe der Schlüsselinformationen können entsprechende Metadaten gefunden werden. Metadaten können auch als Datenbestände betrachtet werden. Daher müssen wir einen Metadatenbestandsbericht erstellen, der uns schnell Aufschluss über die Popularität der Metadatenzugriffe, den Datenwert, die Datenkosten, die Datenverteilung und andere relevante Informationen gibt.

Welche Anwendungen gibt es für Metadaten?

Unternehmen haben vielfältige Geschäftsbereiche und komplexe Produkte, die große Datenmengen in verschiedenen Systemen und Anwendungen erzeugen. Mithilfe von Metadaten können wir verstehen, welche Daten das Unternehmen besitzt, was die Daten darstellen, woher sie stammen, wie sie im System fließen usw., Metadaten verwalten und Metadatenanwendungen erstellen, z. B. Geschäftsbegriffe, Datenstandards, Datenwörterbücher und Datenbestandskataloge. Datenherkunft Analyse, Datenkarten usw. Im Folgenden werden wir hauptsächlich über die Datenherkunftsbeziehung und die Datenkarte sprechen.

1. Datenherkunftsanalyse

Die Datenherkunft ist eine wichtige Anwendung von Metadaten, die die Beziehung zwischen Daten beschreiben kann. Beispielsweise wird diese Tabelle aus einem bestimmten System extrahiert. Welche Beziehung besteht zwischen diesem und jenem Feld, einschließlich Clusterherkunftsbeziehung, Systemherkunftsbeziehung, Herkunftsbeziehung auf Tabellenebene und Feldherkunftsbeziehung? Sie verweist auf die Upstream-Quelle der Daten und verfolgt die Quelle Upstream.

Die aufwärts- und abwärtsgerichteten Rückverfolgbarkeitsdaten auf Tabellen- und Feldebene können den logischen Kontext der Datenverarbeitung klar darstellen, den Auswirkungsbereich abnormaler Datenfelder schnell lokalisieren, den Mindestbereich der Datenrückverfolgung präzise abgrenzen und den Aufwand für das Verständnis der Daten und die Lösung von Datenproblemen reduzieren. Die Herkunftsanalyse kann die besonderen regulatorischen und Compliance-Anforderungen der in vielen Branchen, darunter Gesundheitswesen, Finanzen, Bankwesen und Fertigung, präsentierten Daten erfüllen.

Darüber hinaus ist die Auswirkungsanalyse auch Teil der Lineage-Relationship-Anwendung, die zur Analyse des nachgelagerten Datenflusses dient. Bei einem System-Upgrade kann das nachgelagerte System rechtzeitig über dynamische Änderungen und Löschungen der Datenstruktur informiert werden. Durch die datenabhängige Auswirkungsanalyse lässt sich schnell ermitteln, welche nachgelagerten Systeme, Tabellen und Felder von Metadatenänderungen betroffen sind. Dadurch werden die Risiken von System-Upgrades reduziert.

2. Datenkarte

Im gesamten Datensystem übernimmt die Datenkarte die Rolle eines Managers. Sie stellt Dateninformationen grafisch dar und zeigt verschiedene für die Datenberechnung notwendige Informationsparameter an. Sie kann nicht nur von Datenentwicklern, sondern auch von Produkten verwendet werden. Die Bedienung ist zudem sehr benutzerfreundlich. Sie enthält folgende Teile:

• Schnellsuchstandort: Suchen Sie über die Suchmaschine nach relevanten Daten. Dabei werden präzise Abfragen, Fuzzy-Abfragen, Tabellennamenabfragen, Feldabfragen, Bemerkungsabfragen und andere Methoden unterstützt.
• Standardisierte grafische Darstellung: Organisieren Sie die Seitenlogik grafisch. Beispielsweise wird die Datenqualitätsstufe durch ein WLAN-Symbol gekennzeichnet, das bequem mit bloßem Auge sichtbar ist und die wichtigsten Informationen für den Benutzer enthält.
• Sammeln Sie historische Dateninformationen: In vielen Szenarien müssen historische Daten nicht neu berechnet werden, und durch direktes Abrufen kann eine wiederholte Entwicklung weitgehend vermieden werden. Beispielsweise können für die Statistiken neuer Benutzer historische Benutzerinformationen abgerufen und mit dem täglichen Benutzeranmeldeprotokoll verknüpft werden, um täglich neue Benutzer zu generieren.
• Tools zur direkten Assoziationsanalyse: Da die Dateninformationen direkt auf der Plattform gespeichert sind, kann das Berichts-Plug-In aufgerufen werden, um die intuitiven Berichtsinformationen schnell anzuzeigen, ohne dass eine sekundäre Verarbeitung und Entwicklung erforderlich ist, was die Entwicklungseffizienz erheblich verbessert.

Damit können Geschäftsmitarbeiter die Daten des Unternehmens besser verstehen und ihre geschäftliche Bedeutung besser nachvollziehen. Technische Mitarbeiter können die Gesamtsituation der Daten erfassen, Datenbanktabellen gemäß den Datenstandards erstellen, Angebote einholen und eine Datenstandardisierung erreichen. Datenherkunft und Datenzuordnung machen den Datenkontext besonders deutlich, und Sie werden nicht länger das Gefühl haben, dass die Daten chaotisch sind.

Abschluss

Vielen Dank für das Lesen unseres Artikels. Wir hoffen, er hilft Ihnen, das Enterprise-Metadatenmanagement besser zu verstehen. Wenn Sie mehr über Enterprise-Metadatenmanagement erfahren möchten, besuchen Sie bitte: Gudu SQLFlow für weitere Informationen.

Als einer der die besten Datenherkunftstools Gudu SQLFlow ist heute auf dem Markt erhältlich und kann nicht nur SQL-Skriptdateien analysieren, die Datenherkunft ermitteln und eine visuelle Anzeige durchführen, sondern ermöglicht Benutzern auch, die Datenherkunft im CSV-Format bereitzustellen und eine visuelle Anzeige durchzuführen. (Veröffentlicht von Ryan am 1. Juli 2022)