{"id":4867,"date":"2022-06-30T21:20:16","date_gmt":"2022-07-01T05:20:16","guid":{"rendered":"https:\/\/www.gudusoft.com\/?p=4867"},"modified":"2022-09-17T14:25:47","modified_gmt":"2022-09-17T22:25:47","slug":"enterprise-metadata-management-platform","status":"publish","type":"post","link":"https:\/\/www.gudusoft.com\/de\/enterprise-metadaten-management-plattform\/","title":{"rendered":"Enterprise-Metadatenmanagement-Plattform im Zeitalter von Big Data"},"content":{"rendered":"

Plattform f\u00fcr die Verwaltung von Unternehmensmetadaten<\/h2>\n

Angesichts der Digitalisierung ist es entscheidend, die verschiedenen Metadaten in der Unternehmensumgebung zu integrieren und zu nutzen. F\u00fcr Unternehmen ist die Wahl eines Tool zur Metadatenverwaltung<\/strong><\/a> Die f\u00fcr sie passende L\u00f6sung maximiert die Rolle der Metadaten und unterst\u00fctzt Unternehmen dabei, ihre strategischen Ziele im Hinblick auf Daten zu erreichen.<\/p>\n

Verschiedene Rollen in einem Unternehmen haben m\u00f6glicherweise unterschiedliche Erwartungen an Metadaten-Tools. Diese Erwartungen lassen sich jedoch grunds\u00e4tzlich auf die zehn wichtigsten Funktionen von Metadaten-Management-Tools abbilden. Nat\u00fcrlich werden diese Funktionen durch Schl\u00fcsseltechnologien unterst\u00fctzt. \u201eMetadaten-Management wird die Kerninfrastruktur der zuk\u00fcnftigen Unternehmensinformatisierung sein.\u201c<\/p>\n

Tats\u00e4chlich ist es im Big Data-Umfeld so, dass ein Unternehmen, wenn es nicht eine Vielzahl komplexer Informationen durch Metadatenverwaltung<\/strong><\/a>ist es schwierig, die Informationen effektiv zu nutzen. Viele Unternehmen stellen jedoch allm\u00e4hlich fest, dass der direkte Nutzen, den das Metadatenmanagement f\u00fcr die gesch\u00e4ftliche Innovation im Unternehmen bringt, sehr begrenzt ist.<\/p>\n

\"\"

Metadatenverwaltung f\u00fcr Unternehmen<\/p><\/div>\n

Wie ist der aktuelle Stand des Metadatenmanagements?<\/h3>\n

Die Hauptgr\u00fcnde, warum Metadatenmanagement keinen direkten Mehrwert f\u00fcr Gesch\u00e4ftsinnovationen bringen kann, liegen in den folgenden vier Aspekten:<\/p>\n

    \n
  1. Eingeschr\u00e4nkter Verwaltungsspielraum<\/strong>: Der derzeitige begrenzte Umfang des Metadatenmanagements spiegelt sich haupts\u00e4chlich in zwei Aspekten wider: Erstens werden nur Metadaten im Zusammenhang mit Data Warehouses<\/strong><\/a> 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 tats\u00e4chliche Situation des Unternehmenssystems abbildet. Der Mangel an Gesch\u00e4ftsmetadaten f\u00fchrt lediglich zu einer Reihe von Tabellenstrukturen ohne spezifische Gesch\u00e4ftsbedeutung.<\/li>\n
  2. Schwierigkeiten bei der Integration von Unternehmen<\/strong>Aufgrund 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 \u00fcberhaupt 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.<\/li>\n
  3. Fehlende Anwendungsszenarien<\/strong>: Derzeit beschr\u00e4nken 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 tats\u00e4chlich spiegelt sich die Rolle von Metadaten nicht nur in diesen begrenzten Funktionen wider.<\/li>\n
  4. Unvollkommene Technologie<\/strong>: Unvollkommene Technologie hat zu den oben genannten Problemen gef\u00fchrt. Die Skalierbarkeit ist unzureichend, sodass viele Tools zur Metadatenverwaltung die Gesch\u00e4ftsdaten und -struktur des Unternehmens nicht verwalten k\u00f6nnen. Die Erfassungskapazit\u00e4t ist unzureichend, sodass nur manuelle Hilfsdatens\u00e4tze erstellt werden, hohe Arbeitskosten anfallen und keine vollst\u00e4ndige Informationsverkn\u00fcpfung m\u00f6glich 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 k\u00f6nnen den Status der Datenbest\u00e4nde nicht in Echtzeit erfassen und mit dem rasanten Datenwachstum des Unternehmens nicht Schritt halten.<\/li>\n<\/ol>\n

    Auf dem heutigen Markt besteht eine steigende Nachfrage nach Enterprise-Metadatenmanagement:<\/h3>\n

    1. Die Digitalisierung schreitet immer schneller voran und die Datenmenge in Unternehmen ist exponentiell gewachsen.<\/strong><\/p>\n

    Mit dem digitalen Zeitalter k\u00f6nnen viele komplexe und ver\u00e4nderliche Informationen in messbare Daten umgewandelt und zur einheitlichen Verarbeitung in den Computer eingegeben werden. Studien zeigen, dass die von Unternehmen gesammelten und genutzten Daten j\u00e4hrlich exponentiell zunehmen werden. Die effektive Verwaltung dieser riesigen Datenmengen erfordert ein unternehmensweites Metadatenmanagement.<\/p>\n

    2. Das Aufkommen von Big Data-bezogenen Technologien er\u00f6ffnet Unternehmen neue M\u00f6glichkeiten.<\/strong><\/p>\n

    Mithilfe von Big Data-Technologien l\u00e4sst sich der Wert von Unternehmensdaten voll aussch\u00f6pfen. Allerdings bedeutet Big Data h\u00e4ufig die Erfassung, Verbreitung und gemeinsame Nutzung vieler Datenquellen, wie etwa mobiler pers\u00f6nlicher Daten, Daten aus sozialen Netzwerken, \u00f6ffentlicher Daten, Daten des Internets der Dinge usw. Dieser Prozess erfordert die Unterst\u00fctzung durch das Metadatenmanagement des Unternehmens.<\/p>\n

    3. Erh\u00f6hte gesch\u00e4ftliche Nachfrage nach Datenverwaltung.<\/strong><\/p>\n

    Heutzutage achten Unternehmen darauf, wie sie Big Data nutzen k\u00f6nnen. Die Voraussetzung f\u00fcr die Anwendung von Big Data ist jedoch, hochwertige Daten<\/strong><\/a>Heutzutage verwenden viele Unternehmen unterschiedliche interne Datenformate und Standards. Big-Data-Anwendungen beginnen oft mit Datenverwaltung<\/strong><\/a>Als wichtiges Mittel zur Unternehmensdatenverwaltung wird das Datenmanagement unweigerlich die Aufmerksamkeit in- und ausl\u00e4ndischer Unternehmen auf sich ziehen.<\/p>\n

    Wie l\u00e4sst sich der Gesch\u00e4ftswert des Metadatenmanagements voll aussch\u00f6pfen?<\/h3>\n

    Metadaten definieren Attribute entsprechend den tats\u00e4chlichen Gesch\u00e4ftsszenarien. Metadaten haben gemeinsame Attribute wie Name und Typ. Verschiedene Metadatentypen haben zudem ihre eigenen spezifischen Attribute. Da Metadaten ebenfalls Daten sind, m\u00fcssen sie in einer Datenbank gespeichert werden. Ein Metadaten-Repository bezeichnet die physische Datenbanktabelle, in der Metadaten gespeichert werden. \u00dcblicherweise wird zur Metadatenspeicherung eine relationale Open-Source-Datenbank (MySQL) verwendet. Im Folgenden wird die Verwaltung von Metadaten unter verschiedenen Aspekten beschrieben:<\/p>\n

    1. Bestimmen Sie den Metadatenumfang.<\/strong><\/p>\n

    Bestimmen Sie zun\u00e4chst den Umfang der Metadatenquellen. In der Praxis m\u00fcssen nicht alle Daten \u00fcber Metadaten verwaltet werden. Normalerweise werden Gesch\u00e4ftsdaten f\u00fcr die Metadatenverwaltung ausgew\u00e4hlt. Nicht-Gesch\u00e4ftsdaten werden nicht in den Verwaltungsumfang einbezogen, da die Metadatenverwaltung Unternehmen und Entwicklern einen schnellen \u00dcberblick \u00fcber Gesch\u00e4ftsdaten erm\u00f6glichen soll.<\/p>\n

    Nachdem die Regeln festgelegt wurden, muss basierend auf der tats\u00e4chlichen Situation des Unternehmens gekl\u00e4rt werden, welche Gesch\u00e4ftssysteme, Datenbanken, Datenbankbenutzer und Tabellen Metadatenverwaltung ben\u00f6tigen. Nat\u00fcrlich kann auch die Extraktion unstrukturierter Metadaten wie Word, PDF usw. unterst\u00fctzt werden.<\/p>\n

    2. Zugriff auf Metadaten<\/strong><\/p>\n

    Der Zugriff auf die Metadaten erfolgt in der Regel vom Quellsystem. Verf\u00fcgt das Unternehmen bereits \u00fcber 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 L\u00f6sung birgt jedoch auch Risiken. Stimmen die Daten des Data Warehouse nicht mit denen des Quellsystems \u00fcberein, f\u00fchrt dies zu Metadatenfehlern. Die Metadatenextraktion erfolgt heute gr\u00f6\u00dftenteils \u00fcber die Konfigurationsautomatisierung.<\/p>\n

    3. Legen Sie Metadatenstandards fest.<\/strong><\/p>\n

    Beim Sortieren kann es vorkommen, dass einige Datenbanken oder Datendefinitionen nicht standardisiert sind, was die Metadatenverwaltung unm\u00f6glich macht. Anschlie\u00dfend muss eine Spezifikation f\u00fcr die Metadatenverwaltung erstellt werden, um die Front-End-Quelldaten zur Korrektur umzukehren und so vor allem die Integrit\u00e4t und Konsistenz der Metadaten sicherzustellen.<\/p>\n

    Entsprechend den Anforderungen verschiedener Unternehmenstypen stehen Metadaten unterschiedlichen Gruppen offen. Daher muss der Berechtigungsverwaltungsprozess f\u00fcr Metadaten in den Spezifikationen definiert werden, einschlie\u00dflich der Berechtigungsebene f\u00fcr Metadaten, des Berechtigungsantragsprozesses f\u00fcr Metadaten, des Freigabeprozesses f\u00fcr Metadaten und des Genehmigungsprozesses f\u00fcr Metadaten.<\/p>\n

    4. Pflege der Metadaten.<\/strong><\/p>\n

    Die Metadatenpflege dient haupts\u00e4chlich der Pflege und Verwaltung der freigegebenen Metadaten. M\u00fcssen die online freigegebenen Metadaten angepasst oder optimiert werden, muss der Metadatenfreigabeprozess erneut durchlaufen werden. Eine direkte \u00c4nderung der Metadaten ist nicht zul\u00e4ssig. Aus Sicherheitsgr\u00fcnden m\u00fcssen alle Metadatenvorg\u00e4nge im Metadatenvorgangsprotokoll aufgezeichnet werden.<\/p>\n

    Sie k\u00f6nnen Kataloge f\u00fcr Metadaten erstellen, unterschiedliche Metadaten in die entsprechenden Kataloge einbinden und die entsprechenden Kataloge entsprechend den Gesch\u00e4ftsprozessen, Gesch\u00e4ftsthemendom\u00e4nen und Entwicklungsprozessen gestalten, haupts\u00e4chlich basierend auf den Unternehmensanforderungen.<\/p>\n

    5. Suche, Analyse und Berichterstellung von Metadaten.<\/strong><\/p>\n

    Eine separate Seite unterst\u00fctzt die schnelle und pr\u00e4zise Suche nach Metadaten. Durch Eingabe der Schl\u00fcsselinformationen k\u00f6nnen entsprechende Metadaten gefunden werden. Metadaten k\u00f6nnen auch als Datenbest\u00e4nde betrachtet werden. Daher m\u00fcssen wir einen Metadatenbestandsbericht erstellen, der uns schnell Aufschluss \u00fcber die Popularit\u00e4t der Metadatenzugriffe, den Datenwert, die Datenkosten, die Datenverteilung und andere relevante Informationen gibt.<\/p>\n

    Welche Anwendungen gibt es f\u00fcr Metadaten?<\/h3>\n

    Unternehmen haben vielf\u00e4ltige Gesch\u00e4ftsbereiche und komplexe Produkte, die gro\u00dfe Datenmengen in verschiedenen Systemen und Anwendungen erzeugen. Mithilfe von Metadaten k\u00f6nnen wir verstehen, welche Daten das Unternehmen besitzt, was die Daten darstellen, woher sie stammen, wie sie im System flie\u00dfen usw., Metadaten verwalten und Metadatenanwendungen erstellen, z. B. Gesch\u00e4ftsbegriffe, Datenstandards, Datenw\u00f6rterb\u00fccher und Datenbestandskataloge. Datenherkunft<\/strong><\/a> Analyse, Datenkarten usw. Im Folgenden werden wir haupts\u00e4chlich \u00fcber die Datenherkunftsbeziehung und die Datenkarte sprechen.<\/p>\n

    1. Datenherkunftsanalyse<\/strong><\/p>\n

    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, einschlie\u00dflich Clusterherkunftsbeziehung, Systemherkunftsbeziehung, Herkunftsbeziehung auf Tabellenebene und Feldherkunftsbeziehung? Sie verweist auf die Upstream-Quelle der Daten und verfolgt die Quelle Upstream.<\/p>\n

    Die aufw\u00e4rts- und abw\u00e4rtsgerichteten R\u00fcckverfolgbarkeitsdaten auf Tabellen- und Feldebene k\u00f6nnen den logischen Kontext der Datenverarbeitung klar darstellen, den Auswirkungsbereich abnormaler Datenfelder schnell lokalisieren, den Mindestbereich der Datenr\u00fcckverfolgung pr\u00e4zise abgrenzen und den Aufwand f\u00fcr das Verst\u00e4ndnis der Daten und die L\u00f6sung von Datenproblemen reduzieren. Die Herkunftsanalyse kann die besonderen regulatorischen und Compliance-Anforderungen der in vielen Branchen, darunter Gesundheitswesen, Finanzen, Bankwesen und Fertigung, pr\u00e4sentierten Daten erf\u00fcllen.<\/p>\n

    Dar\u00fcber 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 \u00fcber dynamische \u00c4nderungen und L\u00f6schungen der Datenstruktur informiert werden. Durch die datenabh\u00e4ngige Auswirkungsanalyse l\u00e4sst sich schnell ermitteln, welche nachgelagerten Systeme, Tabellen und Felder von Metadaten\u00e4nderungen betroffen sind. Dadurch werden die Risiken von System-Upgrades reduziert.<\/p>\n

    2. Datenkarte<\/strong><\/p>\n

    Im gesamten Datensystem \u00fcbernimmt die Datenkarte die Rolle eines Managers. Sie stellt Dateninformationen grafisch dar und zeigt verschiedene f\u00fcr die Datenberechnung notwendige Informationsparameter an. Sie kann nicht nur von Datenentwicklern, sondern auch von Produkten verwendet werden. Die Bedienung ist zudem sehr benutzerfreundlich. Sie enth\u00e4lt folgende Teile:<\/p>\n