Verwaltung geschäftlicher Metadaten

Viele Unternehmen haben erkannt, dass es schwierig ist, die Innovationsfähigkeit ihres Unternehmens durch Big Data zu verbessern, da die Mitarbeiter die im System gespeicherten Daten nicht verstehen. Dieser Artikel beschreibt die Lösung dieses Problems: Geschäft Metadatenverwaltung.

Inhaltsverzeichnis:

•  Zwischen Computern und Menschen entsteht eine „semantische Barriere“.
•  Geschäftsmetadaten – der Geschäftskontext hinter den Daten;
• Ontologiebasierte Praxis der Verwaltung geschäftlicher Metadaten;
• Zusammenfassung und Ausblick.

Verwaltung geschäftlicher Metadaten

1. Zwischen Computern und Menschen entsteht eine „semantische Barriere“.

Vor etwa 70 Jahren, am Valentinstag, wurde ENIAC an der University of Pennsylvania geboren. Seitdem hat die Menschheit begonnen, die Intelligenz von Computern zu erforschen. Verschiedene Technologien wie Spracherkennung, Bilderkennung und natürliche Sprachverarbeitung werden immer ausgereifter. Wir können nahezu alle gewünschten Informationen in das Computersystem eingeben. Doch können wir die Ausgabedaten des Computers auch richtig verstehen?

Mit zunehmender Datenmenge fällt es uns immer schwerer, die spezifische Bedeutung der Daten zu verstehen – eine semantische Barriere hat sich zwischen uns und den Computersystemen gebildet. Diese semantischen Barrieren bringen für Unternehmen eine Reihe von Problemen mit sich:

• Inkonsistentes Geschäftsverständnis: Inkonsistentes Geschäftsverständnis der Mitarbeiter kommt in Unternehmen häufig vor. Inkonsistentes Verständnis von Geschäftsbegriffen erschwert die Kommunikation, führt zu Missverständnissen und mindert die Kommunikationseffizienz. Bei der Entscheidungsfindung in Meetings kann inkonsistentes Geschäftsverständnis der Führungskräfte zu Fehlentscheidungen führen. Inkonsistentes Verständnis von Geschäftsdefinitionen führt zu ungenauen Statistiken und beeinträchtigt sogar die statistischen Ergebnisse mehrerer Kennzahlen und KPIs des Unternehmens.
• Die Informationssuche ist schwierig: Im Zeitalter von Big Data wächst die Menge an Unternehmensdaten explosionsartig, und die Informationssuche gleicht für Mitarbeiter zunehmend der Suche nach der Nadel im Heuhaufen. Statistiken zufolge verbringen Unternehmensmitarbeiter täglich 151 bis 351 Milliarden ihrer Zeit mit der Suche nach den benötigten Daten in einer großen Informationsmenge, und nur weniger als 501 Milliarden Suchergebnisse erfüllen ihren Bedarf. In den meisten Fällen sind die Suchergebnisse unbefriedigend; da die gespeicherten Informationen nicht gefunden werden können, kommt es häufig zu unnötiger Doppelarbeit.
• Großer Personalverlust: Laut Statistik liegt die durchschnittliche jährliche Fluktuationsrate der Mitarbeiter in Unternehmen bei etwa 121 TP2T. Da es keine festgelegten betriebswirtschaftlichen Methoden gibt, wenden Unternehmen oft viel Zeit und Geld für die Schulung neuer Mitarbeiter auf, nachdem sie bereits Mitarbeiter mit guten Computerkenntnissen eingestellt haben. Dies führt zu erheblichem Wissensverlust und finanziellem Aufwand.

Das Auftreten der oben genannten Probleme liegt letztlich daran, dass Unternehmensmitarbeiter die Daten im Computer nicht lesen können. Um diese Probleme zu vermeiden, müssen Unternehmen die semantische Barriere zwischen Computern und Menschen überwinden und die Computerausgaben in eine für Mitarbeiter verständliche Geschäftssprache umwandeln. Geschäftsmetadaten ist der Schlüssel zur Lösung des Problems.

2. Geschäftsmetadaten – der Geschäftskontext hinter den Daten.

Um zu klären, was Geschäftsmetadaten sind, müssen wir mit der Klassifizierung von Metadaten beginnen. Eine derzeit in der Branche anerkannte Klassifizierungsmethode besteht darin, Metadaten in zwei Typen zu unterteilen: technische Metadaten und Geschäftsmetadaten.

Der technische Metadaten umfasst: Feldname, Feldlänge, Datenbanktabellenstruktur usw.

Der Geschäftsmetadaten umfasst: Firmenname, Geschäftsdefinition, Geschäftsbeschreibung usw.

Geschäftsleute achten stärker auf Inhalte im Zusammenhang mit „Kunde“, „Abrechnungsdatum“, „Verkaufsbetrag“ usw., die sich nur schwer aus technischen Metadaten ableiten lassen.

Geschäftsmetadaten verwenden Firmennamen, Definitionen, Beschreibungen und weitere Informationen, um verschiedene Attribute und Konzepte in der Unternehmensumgebung darzustellen. Der Geschäftskontext hinter allen Daten kann bis zu einem gewissen Grad als Geschäftsmetadaten betrachtet werden. Im Vergleich zu technischen Metadaten ermöglichen Geschäftsmetadaten Nutzern ein besseres Verständnis und eine bessere Nutzung von Daten in der Unternehmensumgebung. Beispielsweise können Nutzer durch die Anzeige der Geschäftsmetadaten die Bedeutung jedes Indikators und seine Berechnungsmethode klar verstehen.

Geschäftsmetadaten sind in Unternehmen weit verbreitet. Die wichtigsten Quellen für Geschäftsmetadaten sind:

• ERP: Enterprise-ERP-Systeme speichern eine große Menge an Geschäftsmetadaten, wie etwa Formeln für Finanzberechnungen, Prozesslogik, Geschäftsregeln usw.
• Bericht: Die Kopfzeile des Berichts ist auch eine Art Geschäftsmetadaten, insbesondere die Spalten mit zusammenfassenden Eigenschaften wie Summen und Durchschnittswerten sowie einige Berechnungsformeln im Bericht.
• Tabelle: Ähnlich wie Berichte sind auch EXCEL-Kopfzeilen und -Formeln wichtige Geschäftsmetadaten. Im Gegensatz zu Berichten enthalten die meisten Tabellen nur eine Spalte für „Beschreibung“. Einige Tabellen enthalten außerdem eine Spalte für „Code“ und „Codebeschreibung“, die ebenfalls nützliche Geschäftsmetadaten sind.
• Datei: Die Datei enthält überall Geschäftsmetadaten wie Titel, Autor, Änderungszeit usw. Es ist relativ schwierig, Geschäftsmetadaten im Dateiinhalt abzurufen, wobei Technologien wie maschinelles Lernen zum Einsatz kommen.
• BI-Tools: Die in BI häufig verwendete Operation ist das „Drillen“. Durch Drill-Up und Drill-Down werden üblicherweise verschiedene Klassifizierungsstrukturen des Unternehmens definiert, z. B. die Produktebene und die Organisationsstrukturebene, die sehr wichtige Geschäftsmetadaten darstellen.
• Data Warehouse: Auch in Data Warehouses sind Geschäftsmetadaten vorhanden. Beispielsweise erfordert der Aufbau eines Data Warehouse oft umfangreiche Recherchen zur Integration mehrerer Datenquellen, und die Dateien, die mit dem Data Warehouse-Aufbauprozess zusammenhängen, enthalten zahlreiche Geschäftsmetadaten.

Derzeit konzentrieren sich die meisten Unternehmen nur auf technische Metadaten und vernachlässigen das Management von Geschäftsmetadaten. Technische Metadaten haben keine geschäftliche Bedeutung und sind für andere als Techniker schwer verständlich. Beispielsweise kann „rec_temp_fld_a“ ein Feld und „236IN_TAB“ eine Tabelle in der Datenbank darstellen. Dies bringt dem Unternehmen kaum Vorteile. Geschäftsmetadaten können die geschäftliche Bedeutung der Daten darstellen. Unternehmen müssen bei der Verwaltung technischer Metadaten auf das Management von Geschäftsmetadaten achten.

Im Vergleich zu technischen Metadaten ist die Quelle geschäftlicher Metadaten komplexer und über alle Aspekte der Unternehmensumgebung verstreut. Um die Verwaltung geschäftlicher Metadaten zu realisieren, benötigen Unternehmen wirksame Methoden und Mittel.

3. Ontologiebasierte Praxis der Verwaltung von Geschäftsmetadaten.

Die branchenweit anerkannte Definition von Ontologie lautet: eine klare formale Spezifikation eines gemeinsamen konzeptionellen Modells. Das konzeptionelle Modell ist ein Modell, das durch Abstraktion einiger Phänomene der objektiven Welt gewonnen wird, also durch Abstraktion und Vereinfachung der objektiven Welt. Gemeinsam bedeutet, dass das in der Ontologie beschriebene Wissen nicht nur Einzelpersonen vorbehalten, sondern in der Branche anerkannt ist. Explizit bedeutet, dass die verwendeten Konzepttypen und die Einschränkungen der Konzeptverwendung klar definiert sind. Formal bedeutet, dass die Ontologie maschinenlesbar und für Menschen verständlich ist.

Zusammenfassend lässt sich sagen, dass die Ontologie die Objekte in einem Feld analysieren und die Beziehung zwischen diesen Objekten herausfinden kann, um das Geschäft in diesem Feld klar und formal zu beschreiben.

Zu Verwalten von Geschäftsmetadaten durch Ontologie erfordert die Beachtung von drei Schlüsselpunkten: der Konstruktion der Ontologie, der Speicherung der Ontologie und der Verwendung der Ontologie.

1. Konstruktion – Erstellen Sie automatisch Ontologien mithilfe der Metadatenverwaltung.

Die traditionelle Methode zum Erstellen einer Ontologie besteht darin, die Ontologie der Geschäftsdomäne manuell nach den Vorschlägen von Geschäftsexperten zu sortieren. Bei dieser manuellen Sortiermethode gibt es eine Reihe von Problemen:

• Effizienzproblem: In der Big-Data-Umgebung sind die Daten komplex, die Quellen vielfältig und die Geschäftsfelder nehmen ständig zu. Die Geschwindigkeit der manuellen Sortierung kann den Anforderungen der Unternehmen nicht mehr gerecht werden.
• Tool-Problem: Den Business-Experten fehlen Tools mit Automatisierungsfunktionen, was zur Konstruktion komplexer Ontologien führt, die viel Zeit in Anspruch nehmen und Ressourcen.
• Daten von Drittanbietern: Unternehmensexperten verstehen das damit verbundene Geschäft mit Daten von Drittanbietern nicht, daher ist es schwierig, die Erstellung der zugehörigen Ontologie abzuschließen.

Im Big-Data-Umfeld benötigen Unternehmen eine neue Methode zum Aufbau von Ontologien. Mithilfe von Metadatenverwaltungstools können Unternehmen automatisch Metadaten aus Unternehmensanwendungssystemen und verschiedenen Dokumenten extrahieren. Nach der anfänglichen Erstellung der Ontologie wird diese zur zweiten Überprüfung an Fachexperten übergeben, und schließlich wird der Aufbau der Unternehmensontologie abgeschlossen.

2. Lagerung – basierend auf MOF zur Implementierung der Speicherontologie der OWL-Spezifikation.

Die Speicherung der Ontologie muss auf bestimmten Standards basieren, und die Speichermethode muss flexibel und erweiterbar sein. Die OWL-Spezifikation ist eine vom W3C empfohlene Spezifikation und gilt derzeit als allgemein anerkannte Spezifikation für die Speicherung und den Austausch von Ontologien. Da unsere Metadaten auf MOF basieren, kann das OWL-Metamodell im Metamodell implementiert werden, sodass die Speicherung und Verwaltung der Ontologie in der Metadatendatenbank realisiert werden kann.

Da sowohl technische Metadaten als auch Ontologien in der Metadatendatenbank gespeichert sind, wurde die Ontologie ursprünglich aus den technischen Metadaten extrahiert. Auf diese Weise ist es einfach, die Beziehung zwischen Ontologie und technischen Metadaten zu ermitteln, sodass das Geschäftspersonal die geschäftliche Bedeutung der Daten klar verstehen kann.

3. Nutzung – Erhalten Sie Geschäftskontext über Geschäftsmetadatendienste.

Schließlich muss der Dienst für Geschäftsmetadaten allen Geschäftsmitarbeitern zur Verfügung gestellt und in die Arbeitsumgebung der Geschäftsmitarbeiter eingebettet werden, damit diese die Daten aus geschäftlicher Sicht schnell verstehen und ihnen so dabei helfen können, die Daten besser zu nutzen.

4. Zusammenfassung und Ausblick

Zusammenfassend fasse ich es in einem Satz zusammen: Geschäftsmetadaten sind der Schlüssel zum zukünftigen Metadatenmanagement. Im Zeitalter von Big Data müssen Unternehmen ihr Geschäftsmetadatenmanagement stärken. Unternehmen können automatisierte Methoden nutzen, um Geschäftsmetadaten basierend auf Ontologien zu verwalten und Geschäftsmetadaten zu integrieren. Daten werden Mitarbeitern in Form von Diensten zur Verfügung gestellt, um ihnen eine bessere Datennutzung zu ermöglichen.

Fazit

Vielen Dank für das Lesen unseres Artikels. Wir hoffen, er hilft Ihnen, das Business-Metadatenmanagement besser zu verstehen. Wenn Sie mehr über 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, Datenherkunft ermitteln und visuelle Anzeigen durchführen, sondern ermöglicht es Benutzern auch, Datenherkunft im CSV-Format und führen Sie eine visuelle Anzeige durch. (Veröffentlicht von Ryan am 30. Juni 2022)