Verschiedene Arten von Metadaten

Metadaten sind Daten, die zur Definition von Datentypen verwendet werden. Sie beschreiben hauptsächlich die Informationen der Daten selbst, einschließlich Quelle, Größe, Format oder anderer Datenmerkmale. In Datenbankfeldern werden Metadaten verwendet, um den Inhalt der Datenbank zu interpretieren. Wann Datensee insight (DLI) erstellt eine Tabelle und definiert Metadaten, die aus drei Spalten bestehen: Spaltenname, Typ und Spaltenbeschreibung. In diesem Artikel werden wir die verschiedenen Arten von Metadaten und wie sie verwendet werden.

Arten von Metadaten

1. Klassifizierung nach Metadatentypen

• Metadaten zu den Basisdaten: Unter Basisdaten versteht man alle von Datenquellen verwalteten Daten, Data Warehouses, Data Martsund Anwendungen. Metadaten von Basisdaten umfassen Definitionen und alle Strukturbeschreibungen.
• Metadaten für die Datenverarbeitung: Informationen zum Laden, Aktualisieren, Analytischen Verarbeiten und Verwalten von Daten, wie z. B. Datenextraktion, Datentransformationund Aggregationsregeln.
• Metadaten zur Organisationsstruktur des Unternehmens: Dazu gehören insbesondere Managementdaten und unternehmensbezogene Informationen, wie etwa der Benutzerzugriff auf Data Warehouses, Datenquellen und Berechtigungsinformationen von Data Marts.

2. Klassifizierung nach Abstraktionsebene

• Metadaten auf Konzeptebene: Es umfasst die vollständige Beschreibung des Geschäfts, beispielsweise die Definition der wichtigsten Geschäftseinheiten, Merkmale und deren Wechselbeziehungen, Systemnutzung, definierte Abfragen, Ansichten und vorhandene Anwendungen.
• Metadaten auf Logikebene: Es umfasst das relationale Schema der Datenbank, das logische mehrdimensionale Modell usw. und die Regeln für die Datenextraktion/-transformation werden im Allgemeinen in Pseudocode oder einer mathematischen Sprache beschrieben.
• Metadaten auf physischer Ebene: Hierzu gehören SQL-Code entsprechend Geschäftsregeln, Indexdateien für Beziehungen und Code für analytische Anwendungen.

3. Klassifizierung nach Aufgaben, die Metadaten übernehmen

Entsprechend der Aufgabenklassifizierung von Metadaten im Data Warehouse kann es unterteilt werden in statische Metadaten Und dynamische Metadaten.

Statische Metadaten bezieht sich hauptsächlich auf Datenstrukturen und umfasst die folgenden Elemente:

• Name-Klasse: Ein Symbol, das zur Unterscheidung von Daten bei der Identifizierung gegenüber dem System verwendet wird.
• Beschreibungsklasse: Beschreibt verschiedene Datenelemente im Data Warehouse.
• Format-Klasse: Stellt die Ausdrucksregeln für Daten im Data Warehouse bereit.
• Datentyp: Der Datentyp im Data Warehouse.
• Beziehungsklasse: Beschreibt die Beziehung zwischen verschiedenen Datenobjekten im Data Warehouse. Beispielsweise besteht eine Kaufbeziehung zwischen einem Kunden und einem Artikel.
• Domänenklasse: Wird verwendet, um den gültigen Wertebereich für Daten im Data Warehouse zu beschreiben.
• Geschäftsregelklasse: Wird verwendet, um die Regeln zu beschreiben, denen die Daten im Data Warehouse bei der Geschäftsverarbeitung entsprechen müssen. Beispielsweise stellt Customer_ID die Kundennummer dar, beginnend mit A für Sammelkunden und B für Einzelkunden.

Dynamische Metadaten bezieht sich hauptsächlich auf den Zustand und die Verwendung von Daten und umfasst die folgenden Elemente:

• Datenqualität Tisch: Wird verwendet, um die Genauigkeit, Vollständigkeit, Konsistenz und Gültigkeit der Daten im Data Warehouse zu beschreiben.
• Statistische Informationen: Zählen Sie die Benutzer, die auf die Daten zugreifen, die Zugriffszeit und die Anzahl der Zugriffe. Diese Statistiken sind von hoher Relevanz für die Verbesserung der Data Warehouse-Leistung.
• Statusklasse: Wird verwendet, um den Zustand des Data Warehouse zu verfolgen. Beispielsweise werden der Zeitpunkt der letzten Datensicherung, die dafür benötigte Zeit, die Fehlerbedingungen usw. erfasst. Der Betriebsstatus dieser Systeme hilft Data Warehouse-Managern, die Leistung des Data Warehouse zu verstehen.
• Verarbeitungsklasse: Wird verwendet, um die Nutzungs- und Verwaltungsfunktionen des Data Warehouse-Systems zu beschreiben. Beispielsweise die Verwendung der Daten, eine allgemeine Formel zur Zusammenfassung der Daten usw.

4. Klassifizierung aus Nutzersicht

Diese Klassifizierungsmethode hängt vom Verwendungszweck der Metadaten ab. Aus Benutzersicht gibt es für diese Klassifizierungsmethode keinen einheitlichen Standard. In der Praxis wird sie häufig nach den Grundsätzen der Gewohnheit, Durchführbarkeit und Anwendung unterteilt.

Es wird im Allgemeinen in zwei Kategorien unterteilt: technische Metadaten Und GeschäftsmetadatenTechnische Metadaten befassen sich mit der Entwicklung, Pflege und Verwaltung aller Analyse-, Design-, Entwicklungs-, Management- und anderer Metadaten, die eng mit der Technologie im IT-Umfeld verbunden sind. Sie bilden das technische Bindeglied zwischen Entwicklungstools, Anwendungen und Systemen. Geschäftsmetadaten machen die Dienste einer Unternehmensumgebung für Endbenutzer verständlicher und ermöglichen einfaches Browsen, Navigieren und Datenabfragen zur Interpretation von Geschäftszielen und -prozessen.

Technische Metadaten Enthält Beschreibungsdaten für Datenbanken, Data Warehouses, Datenwörterbücher von Data Marts, Codes von Datenkonvertierungsregeln und dergleichen. Beispiel:

• Beschreibende Informationen zur Architektur und zum Schema des Betriebssystems, Data Warehouse und OLAP-Systems, Tabellenstruktur, Attributbeschränkungen, Ansichtsinformationen usw.
• Eine Beschreibung der Zuordnungen und Abhängigkeiten auf physischer und Implementierungsebene zwischen verschiedenen Informationsquellen, Data Warehouses und OLAP-Systemen.
• Extrahieren Sie Planungsmetadaten, einschließlich der Extraktion der komplexen Planungsbeziehung und der Zuordnung zwischen Quelldaten und Zieldaten.
• Metadaten für die Zeitsynchronisierung.
• Informationen zu Benutzerberechtigungen.

Geschäftsmetadaten Enthält anwendungsspezifische Dokumentation (Benutzerprofile, Speicherkarten, Nutzungstipps, Navigationshilfen usw.), Geschäftskonzepte und -begriffe, Details zu vordefinierten Abfragen und Berichten, Kontextinformationen, Beschreibungen von Maßen und Gewichten, Datumsformate, Wörterbücher, Schlagworttabellen usw. Beispiel:

• Geschäftskonzeptmodell.
• Multidimensionales Datenmodell, Aggregationsprinzipien von Dimensionen, Dimensionskategorien, Datenwürfel, Data Marts.
• Abhängigkeiten zwischen konzeptionellen Geschäftsmodellen und physischen Modellen.
• Unterstützt das Durchsuchen und Navigieren nach Geschäftskonzepten.
• Unterstützt das Browsen und die Navigation, die sich an Geschäftskonzepten orientiert.
• Unterstützt dynamische Sofortabfragen und Datengewinnung.

Abschluss

Vielen Dank für das Lesen unseres Artikels und wir hoffen, dass er Ihnen hilft, die verschiedenen Arten von Metadaten und wie sie verwendet werden. Wenn Sie mehr über Metadatentypen erfahren möchten, empfehlen wir Ihnen, 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, und führen Sie eine visuelle Anzeige durch, ermöglichen Sie Benutzern aber auch, die Datenherkunft im CSV-Format bereitzustellen und eine visuelle Anzeige durchzuführen. (Veröffentlicht von Ryan am 26. Juni 2022)