ビジネスメタデータ管理

現在、多くの企業は、システムに格納されたデータを業務担当者が理解できないため、ビッグデータによる業務革新力の向上が難しいことに気付いています。この記事では、この問題の解決策について説明します – 仕事 メタデータ管理.

目次:

  •  コンピューターと人間の間には「意味の壁」が生じます。
  •  ビジネス メタデータ – データの背後にあるビジネス コンテキスト。
  • オントロジーに基づくビジネス メタデータ管理の実践。
  • まとめと展望。
ビジネスメタデータ管理

ビジネスメタデータ管理

1. コンピュータと人間の間に「意味の壁」が出現。

約 70 年前のバレンタインデーに、ペンシルバニア大学で ENIAC が誕生しました。それ以来、人類はコンピューターの「知性」を探求し始めました。 「言語認識」や「画像認識」、「自然言語処理」など、さまざまな技術が成熟しつつあり、私たちはコンピュータシステムに必要な情報をほとんど入力することができますが、コンピュータの出力データを正しく理解できるでしょうか。 ?

データが増大するにつれて、データの背後にある特定の意味を理解することが困難になってきました。つまり、私たちとコンピューター システムの間にセマンティック バリアが作成されました。セマンティックバリアの存在は、企業に一連の問題をもたらします。

  • 一貫性のないビジネス理解: ビジネスに対する一貫性のない従業員の理解は、企業では非常に一般的です。ビジネス用語の理解に一貫性がないと、従業員はコミュニケーションが取れなくなり、誤解が生じ、コミュニケーション効率が低下します。会議の意思決定において、リーダーのビジネスに対する一貫性のない理解は、間違った決定につながる可能性があります。部門の統計では、ビジネス定義の一貫性のない理解が統計方法につながります。一貫性がないと、統計が不正確になり、企業の複数の指標や KPI の統計結果に影響を与えることさえあります。
  • 情報を見つけるのは難しい: ビッグデータの時代では、企業データの量が爆発的に増加しており、従業員の情報を見つけることは、ますます「干し草の山から針を見つける」ようになっています。統計によると、企業の従業員は毎日 15% から 35% の時間を大量の情報の中で必要なデータの検索に費やしており、そのニーズを満たす検索結果は 50% 未満です。ほとんどの場合、検索結果は不十分です。保存された情報が見つからないため、企業は不要な重複作業を行うことがよくあります。
  • 人員の大幅な損失: 統計によると、企業の従業員の平均年間離職率は約 12% です。業務管理方法が決まっていないため、企業は「コンピュータ」を熟知した従業員を採用した後、新入社員の教育に多くの時間と費用を費やすことが多く、深刻な知識の損失とお金の浪費を引き起こしています。

上記の一連の問題の発生は、最終的な分析では、企業の従業員がコンピューター内のデータを「読み取ることができない」ためです。企業は、これらの問題を回避するために、コンピューターと人間の間のセマンティック バリアを破り、コンピューターの出力をビジネス担当者が理解できるビジネス言語に変換する必要があります。 ビジネス メタデータ 問題解決のカギです。

2. ビジネス メタデータ – データの背後にあるビジネス コンテキスト。

ビジネス メタデータとは何かを明確にするには、メタデータの分類から始める必要があります。現在、業界で認識されている分類方法は、メタデータをテクニカル メタデータとビジネス メタデータの 2 種類に分類することです。

技術メタデータ 内容: フィールド名、フィールド長、データベース テーブル構造など。

ビジネス メタデータ 内容: 事業名、事業定義、事業説明など。

ビジネスパーソンは、テクニカルメタデータでは反映しにくい「顧客」「決済日」「売上高」などの内容に注目します。

ビジネス メタデータは、ビジネス名、定義、説明、およびその他の情報を使用して、エンタープライズ環境のさまざまな属性と概念を表します。ある程度まで、すべてのデータの背後にあるビジネス コンテキストは、ビジネス メタデータと見なすことができます。テクニカル メタデータと比較して、ビジネス メタデータは、ユーザーがエンタープライズ環境でデータをよりよく理解し、使用できるようにします。例えば、利用者は、ビジネスメタデータを見ることで、各指標の意味や指標の算出方法を明確に理解することができます。

ビジネス メタデータは、エンタープライズ環境に広く存在します。ビジネス メタデータの主なソースは次のとおりです。

  • ERP: エンタープライズ ERP システムには、財務計算式、プロセス ロジック、ビジネス ルールなど、大量のビジネス メタデータが格納されます。
  • レポート: レポートのヘッダーも一種のビジネス メタデータです。特に、合計や平均などの集計プロパティを含む列、およびレポートの一部の計算式です。
  • 表: レポートと同様に、EXCEL ヘッダーと数式も重要なビジネス メタデータです。レポートとは異なり、ほとんどのテーブルには「説明」の列が 1 つあり、一部のテーブルには、有用なビジネス メタデータであるコードとコードの説明の列もあります。
  • ファイル: タイトル、作成者、変更時刻など、ファイルのいたるところにビジネス メタデータがあります。ファイル コンテンツのビジネス メタデータを取得することは、機械学習などの技術が関係しているため、比較的困難です。
  • BI ツール: BI でよく使用される操作は、「穴あけ」操作です。通常、ドリルアップとドリルダウンにより、製品レベルや組織構造レベルなど、企業のさまざまな分類構造が定義されます。これらは非常に重要なビジネス メタデータです。
  • データウェアハウス: ビジネス メタデータはデータ ウェアハウスにも存在します。たとえば、データ ウェアハウスを構築するには、複数のデータ ソースを統合する方法について多くの調査が必要になることが多く、データ ウェアハウスの構築プロセスに関連するファイルには多くのビジネス メタデータが含まれています。

現在、ほとんどの企業は技術メタデータにのみ注意を払い、ビジネス メタデータ管理を無視しています。技術メタデータはビジネス上の意味を欠いており、技術者以外の人が理解するのは困難です。たとえば、「rec_temp_fld_a」を使用してフィールドを表し、「236IN_TAB」を使用してデータベース内のテーブルを表すことができます。ビジネスに利益をもたらすのは難しい。ビジネス メタデータは、データの背後にあるビジネス上の意味を表すことができます。企業は、技術メタデータを管理する一方で、ビジネス メタデータの管理にも注意を払う必要があります。

テクニカル メタデータと比較すると、ビジネス メタデータのソースはより複雑であり、エンタープライズ環境のあらゆる側面に散らばっています。ビジネスメタデータの管理を実現するために、企業は効果的な方法と手段を必要としています。

3. オントロジーに基づくビジネス メタデータ管理の実践。

業界で比較的認識されているオントロジーの定義は、共有された概念モデルの明確な正式な仕様です。その中で、概念モデルは、客観世界のいくつかの現象を抽象化したモデルであり、客観世界の抽象化と単純化です。共有とは、オントロジーで記述された知識が個人だけのものではなく、現場で認識されることを意味します。使用される概念の種類と概念の使用に関する制約が明確に定義されていることを明示的に意味します。正式とは、オントロジーが機械可読で人間が理解できることを意味します。

要約すると、オントロジーは、この分野のビジネスを明確かつ形式的に記述するために、その分野のオブジェクトを分析し、これらのオブジェクト間の関係を見つけることができます。

ビジネス メタデータを管理する オントロジーを利用するには、オントロジーの構築、オントロジーの保存、オントロジーの使用という 3 つのポイントに注意する必要があります。

1. 建設 – メタデータ管理を使用してオントロジーを自動的に構築します。

オントロジーを構築する従来の方法は、ビジネス専門家の提案に従って、ビジネス ドメインのオントロジーを手動で分類することです。この手動ソート方法には一連の問題があります。

  • 効率性の問題: ビッグデータ環境では、データは複雑であり、ソースは多様であり、ビジネス分野は増え続けています。手作業による仕分けの速度では、もはや企業のニーズを満たすことができません。
  • ツールの問題: ビジネスの専門家は自動化機能を備えたツールを持っていないため、複雑なオントロジーの構築に多くの時間を費やし、 資力.
  • サード パーティ データ: 企業の専門家は、サード パーティ データの関連ビジネスを理解していないため、関連オントロジーの構築を完了するのは困難です。

ビッグデータ環境では、企業はオントロジーを構築する新しい方法を必要としています。企業は、メタデータ管理ツールを使用して、企業アプリケーション システムおよびさまざまなドキュメントからメタデータを自動的に抽出できます。オントロジーが最初に形成された後、ビジネスの専門家に引き渡されて 2 次レビューが行われ、最終的に企業オントロジーの構築が完了します。

2.保管 – MOF に基づいて、OWL 仕様のストレージ オントロジーを実装します。

オントロジーの格納は一定の基準に基づいている必要があり、格納方法は柔軟で拡張可能である必要があります。 OWL 仕様は、W3C が推奨する仕様であり、現在広く認知されているオントロジー ストレージおよび交換仕様です。当社のメタデータはMOFに基づいているため、OWLメタモデルをメタモデルに構築することができ、メタデータデータベースへのオントロジーの保存と管理を実現できます。

テクニカル メタデータとオントロジーの両方がメタデータ データベースに格納されているため、オントロジーはもともとテクニカル メタデータから抽出されたものです。このようにして、オントロジーと技術メタデータの関係を簡単に取得できるため、ビジネス担当者はデータの背後にあるビジネス上の意味を明確に理解できます。

3.使用 – ビジネス メタデータ サービスを通じてビジネス コンテキストを取得します。

最後に、ビジネス メタデータのサービスをすべてのビジネス担当者に提供し、ビジネス担当者の作業環境に組み込む必要があります。これにより、ビジネス担当者はビジネスの観点からデータをすばやく理解し、それによってビジネス担当者がデータをより適切に使用できるようになります。

4. まとめと展望

最後に一言でまとめます。ビジネス メタデータは、将来のメタデータ管理の鍵となります。ビッグデータの時代において、企業はビジネスメタデータ管理を強化する必要があります。企業は、自動化された手段を使用して、オントロジーに基づいてビジネス メタデータを管理し、ビジネス メタデータを統合できます。データは、サービスの形でビジネス担当者に提供され、ビジネス担当者がデータをより有効に活用できるようにします。

結論

この記事をお読みいただきありがとうございます。この記事が、ビジネス メタデータ管理の理解を深めるのに役立つことを願っています。メタデータ管理について詳しく知りたい場合は、次のサイトにアクセスすることをお勧めします。 Gudu SQLFlow 詳細については。

その一つとして 最高のデータ系統ツール 現在市場に出回っている Gudu SQLFlow は、SQL スクリプト ファイルを分析し、データ系統を取得し、視覚的に表示するだけでなく、ユーザーが以下を提供できるようにします。 データ系統 CSV形式でビジュアル表示を行います。 (2022 年 6 月 30 日に Ryan により公開)

Gudu SQLFlow Live を試す

SQLFlow クラウド バージョン

週刊ニュースレターを購読する

コメントを残す