精华内容
下载资源
问答
  • 大数据治理

    2018-10-30 17:18:31
    大数据治理
  • 在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断地发展和完善,其落地实施的过程中会遇到各种各样的难题和挑战。本篇...

    在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断地发展和完善,其落地实施的过程中会遇到各种各样的难题和挑战。本篇文章通过分析大数据治理建设中的沟沟坎坎,总结出了大数据治理需要具备的能力和关键技术。

    本文目录:

    一、困难重重却充满光明的大数据治理发展之路

    二、大数据治理技术需要不断革新

    三、如何选择合适的大数据治理工具?

    四、总结

    一、困难重重却充满光明的

    大数据治理发展之路

    传统数据治理一直无法逃脱的魔咒

    大数据治理从建设内容和实施目标上可以划分成不同的阶段,每个阶段完成不同的任务,随着阶段的递进,建设内容逐步加深,不同的企业切入点和诉求也各不相同。大致分为以下几个阶段:

    • 摸家底阶段
    • 内容:企业元数据梳理和采集
    • 目标:构建企业数据资产库
    • 建体系
    • 内容:建立企业标准和质量提升体系
    • 目标:提升数据质量
    • 促应用
    • 内容:自服务通道、构建企业知识图谱
    • 目标:数据智能应用
    c74793ed47d427132cd3f9e9d5994db9.png

    然而,大数据治理建设之路并不是一帆风顺的,甚至说是充满各种问题和困难,如何管理企业级的数据资产、如何让业务积极参与到数据建设中来、如何降低数据治理的落地难度等一系列问题,一直困扰着数据治理的发展,传统数据治理的问题主要体现在以下几个方面:

    87b597dbe556a9d77c49cb9ba079e020.png
    • 管理范围窄
    • 要做数据治理首先要知道有哪些数据,传统的数据治理往往只管理了数据领域,很少关注业务、管理和开发相关的数据资产,数据管理范围比较窄,而且,受限于技术实现,即使在数据领域的数据资产也很难做到精确管理;
    • 业务难结合
    • 业务元数据的广泛缺失,导致业务人员无法使用技术性的元数据系统,元数据缺乏业务用户,使用者少;
    • 缺少应用场景
    • 元数据被当成单独的系统,而不是广泛的技术基础,导致只关心元数据本身的应用场景;
    • 技术不完善
    • 在技术层面存储缺乏扩展性,采集自动程度不高,管理实时性不高。

    自服务大数据治理是解决问题之道

    自服务的大数据治理平台具备管理、开发、共享、使用等能力,通过自动、自助、智能化的大数据治理,能够实现对数据的找、供、用、治,从而一站式解决传统数据治理在大数据时代的各种难题,具体涉及到以下几个方面。

    (1)建好数据管理体系,快速识别数据

    自服务大数据治理平台可以实现有数据可管理。现在的企业数据资产繁杂众多,特别是建设大数据平台的企业,数据的类型、分布、实现技术、所属部门等都很繁杂,通过手工一点点梳理是不现实的,如何低成本、快速有效地将数据梳理和管理起来?这是做大数据治理遇到的第一个坎。

    自服务大数据治理平台可以通过自动化手段,自动识别企业数据资产并标明数据方位和属性,建立业务能理解的数据服务目录。

    b8acfaccf11edcabdd8df7fe04318676.png

    (2)建立数据治理体系,监控并快速发现问题

    自服务大数据治理平台可以保障企业数据资产的质量。企业内数据环境复杂,很容易出现数据不一致、数据不及时、数据缺失等一系列问题,如何识别并快速定位数据问题?特别是针对海量数据,如何在不影响性能情况下找出问题数据?这是做大数据治理遇到的第二个坎。

    通过自服务大数据治理平台建立和支撑起基于数据指标、质量检核、问题发现和监控的完善数据治理体系,从事前、事中和事后等各个环节规避、发现和解决数据问题,将能保证数据应用无后顾之忧。

    2a487575fba597a5fcae5c4944f3688a.png

    (3)建立数据应用体系,共享和高效使用数据

    自服务大数据治理平台可以实现数据自助应用体系。不论是数据的管理,还是数据的治理,最终的目的都是支持数据的应用。实际的数据应用场景各异、对实时性、数据量、获取方式的要求也不同,如何以最简单的方式建立通道,让需要的人拿到数据?这是做大数据治理的遇到的第三个坎。

    通过自服务大数据治理平台能够实现数据的自助查找、开发、共享和交换,建立数据共享通道,实现数据的开放应用。

    0a053d9168c254336513b9e16917b4de.png

    二、大数据治理技术需要不断革新

    数据治理的目标是把数据管起来、用起来、保证数据质量,这些目标离不开各种技术的支持,这些技术包括元数据自动采集和关联、数据质量的探查和提升、数据的自助服务和智能应用等。

    1、管起来:数据资产的自动化采集、存储技术

    要实现大数据治理的资产管理,需要做足三个方面的工作:

    采集:指从各种工具中,把各种类型的元数据采集进来。

    存储:采集元数据之后需要相应的存储策略来对元数据进行存储,这需要在不改变存储架构的情况下扩展元数据存储的类型;

    管理和应用:在采集和存储完成后,对已经存储的元数据进行管理和应用。

    第一,针对数据资产的存储,模型体系规范为元数据管理提供了基础,通过模型管理可以实现统一稳定的元数据存储,统一的标准和规范能很好地解决通用性和扩展性。

    传统数据资产管理采用CWM规范进行数据资产存储设计,该规范提供了一个描述相关数据信息元数据的基础框架,并为各种元数据之间的通信和共享提供了一套切实可行的标准。

    但是,随着元数据管理范围的不断扩大,CWM规范已经不能满足通用的元数据管理需求,针对微服务、业务等也需要一套规范支撑。MOF规范位于模型体系最底层,可以为元数据存储提供统一的管理理论基础。

    41241c4a0d181b552e499d0d48401836.png

    第二,元数据管理第二个核心问题是解决各类元数据的采集,由于元数据类型多种多样,而且在不断增加,所以,如何以最小代价,快速纳入管理新类型元数据的能力,是元数据管理的核心。

    采用可插拔的适配器方式实现元数据的采集是一个很好的选择。其中,数据采集适配器应支持各类数据源的采集,当有一个新的数据源需要接入的时候,只需按照规范快速开发一套针对性的适配器,就能实现新类型元数据的纳入管理。

    0225d13fc17149cdadfae7ca81b06f95.png

    第三,与人工相比,技术的最突出特点是速度快和精确。因此,如何通过技术手段精确地获取数据资产是关键,特别是元数据关系,一般都存在于模型设计工具、ETL工具,甚至开发的SQL脚本中,因此需要通过工具组件解析(接口、数据库)、SQL语法解析等手段完成关系的获取和建立。准确解析后的关系,还需要通过直观的关系图展现出来。

    f066527e067534cbc8ed4a3a72a7858b.png

    2、有保障:数据质量探查和提升技术

    通过大数据治理来提升数据质量的过程中,涉及到很多环节、工作和技术,其中包括:通过合理的技术找出数据问题并找到问题数据;从各个维度监控数据问题,并能通过最直观和快捷的方式反馈给相关责任人;实现问题发现、认责、处理、归档等数据问题的闭环解决流程等。中间主要涉及到以下两个方面:

    第一,要想及时全面地找到问题数据,不仅要关注关键点,还要有合适的方法。数据最容易出现质量问题的地方就是数据集成(流动)点,例如:性别在单系统中,有1和0或者男和女表示都行,但是系统间集成时就会有问题。因此,解决数据质量的关键,就在于在集成点检查数据质量。另外,针对大数据量的数据质量检查,即要保证实时性,也要保证不影响业务系统的正常运行,因此在对特别大的数据量进行检查时,要采用抽样检查的方式。

    48b15cba8b76640bfb7adb1c8a7cdcf4.png

    第二,数据问题发现后,还要直观地将数据问题展现出来并及时通知相关人员。因此大数据治理平台应提供实时、全面的数据监控,实现多维度实时的数据资产信息展示:

    • 从作业、模型、物理资源等各方面进行全面的数据资产盘点;
    • 对数据及时性、问题数据量等方面的数据健康环境进行全面的预警。
    e479b5c9fda3e6d0d53d8640c5d2b9a4.png

    3、用起来:自助化数据服务构建技术

    大数据治理的最终目标是为最终用户提供数据,这需要快速找到数据,并快速建立数据交换的通道。

    知识图谱是一种非常好用、直观的数据应用方式。人工智能的知识图谱构建,可以从以下步骤考虑:

    • 基于企业元数据信息,通过自然语言处理、机器学习、模式识别等算法,以及业务规则过滤等方式,实现知识的提取;
    • 以本体形式表示和存储知识,自动构建成起资产知识图谱;
    • 通过知识图谱关系,利用智能搜索、关联查询等手段,为最终用户提供更加精确的数据;
    b02b9628096d8af050b13b720a70be72.png

    基于元数据的自助数据服务开发,可以简单快速地建立数据通道。通过自助化的数据生产线,数据使用方(业务人员)大大减少了对开发人员依赖,80%以上的数据需求,都能通过自己进行整合开发,最终获取数据。让所有用数据的人能方便得到想要的数据。其中,提供所需数据的自助查询能力、自动生成数据服务、及时稳定的获得数据通道、保证数据安全是实现自助化的大数据生产线的四个关键点。

    79376555bdb2745a2c23c705119038ec.png

    三、如何选择合适的大数据治理工具?

    工欲善其事必先利其器,大数据治理的落地开展离不开工具的支撑。大数据治理工具一般分为两类:一类是单个工具,另一类是集成平台,用于不同的阶段、场景和客户。其中,单独工具有:元数据、数据质量、主数据等,集成平台包括数据资产管理、数据治理平台、自助服务平台等。

    d30d69c282a98d8529705caf07c8b868.png

    下面重点介绍其中两个核心的工具:一个是元数据,另一个是自助数据服务平台;

    1、大数据治理的核心——元数据管理工具

    元数据是大数据治理的核心,元数据管理工具应该支持企业级数据资产管理,并且从技术上支持各类数据采集与数据的直观展现,从应用上也要支持不同类型用户的实际应用场景,一个合格的元数据管理工具,需要具备以下几项基本能力:

    首先,元数据要有全面的数据管理能力。无论是传统数据还是大数据,无论是工具还是模板等,都应该是元数据的管理范畴。对于企业来说,要想统一管理所有信息资产,还依靠原来人工录入资产的方式肯定是不行的,企业需要从技术上提供各种自动化能力,实现对资产信息的自动获取,包括自动数据信息采集、自动服务信息采集与自动业务信息采集等,这要求企业使用的数据管理工具支持一系列的采集器,并且多采用直连的方式来采集相关信息。

    afccd95f5c92bc87b7d3071707eaa81a.png

    其次,尽管元数据是一个基础的管理工具,也需要具备好的颜值和便捷的使用方式,以便给用户带来好的应用感受。作为一款元数据管理工具,能让用户能在一个界面全面了解到元数据信息,通过图像从更多维度、更直观地了解企业数据全貌和数据关系是很重要的。除此之外,通过H5等流行的展现技术实现各浏览器的兼容,支持界面的移植也是元数据管理工具必不可少的能力。

    e4d01cd540d39dd19a5237981453b68b.png

    再次,元数据管理工具不仅仅是一个工具,还需要关注各类人的使用诉求,跟具体用户的使用场景相结合。对于业务人员来说,通过元数据管理的业务需求管理,能更容易地和技术人员沟通,便于需求的技术落地;对于开发人员来说,通过元数据管理能管控系统的开发上线、提升开发规范性,自动生成上线脚本,降低开发工作难度和出错几率;对于运维人员来说,通过元数据管理能让日常巡检、版本维护等工作变得简单可控,辅助日常问题分析查找,简化运维工作。

    d5c6fe689d62482ae9e02b84dd596de1.png

    2、大数据治理的最佳实践——自助化数据服务平台

    大数据治理最终目标不仅仅是为了管理数据,而是为用户提供一套数据服务的生产线,让用户能通过这条生产线自助地找到数据、获得数据,并规范化地使用数据,因此自助化数据服务共享平台是大数据治理必不可少的工具。

    5604ac4fbafa8b8b5c5522f6777d2f4e.png

    作为大数据治理的落地工具,自助化数据服务共享平台不仅要为开发者提供一套完整的数据生产线,也需要给运维者提供易用的监控界面,毕竟系统的运维才是工具应用的常态。全局的数据资产监控能力和数据问题跟踪能力同样重要,通过全局的数据资产监控能力,能使客户方便地了解到企业数据共享交换的全貌、系统间的数据关系和数据提供方和消费方的使用情况;通过数据问题跟踪能力,能实现数据问题的智能定位,减少运维工作难度。

    91b4c9622e0e1232e8ee38eddf14cb8a.png

    普元在大数据治理领域持续进行投入,元数据产品在大量实施客户的锤炼下不断完善和提升,每个版本都有新能力体现,其中:

    元数据5完整地支持了数据仓库元数据管理,提供元数据维护、版本、分析等元数据基本能力;元数据6进行了全新内核提升,性能大幅提升,包括检索性能、分析性能;以及覆盖模型工具、ETL工具、数据库、报表工具等最新版本等的全面数据资产管理;元数据7从大数据能力支持、应用场景落地、展现全面升级三方面做了全新改版,以适应新阶段数据治理需求。

    b90db0435c0884874dde9ed9b0297cc4.png

    从单产品、多产品到最终的融合产品,普元数据治理产品满足大数据治理各阶段需求,支持数据管理、数据治理和数据应用。

    在单产品阶段,我们重点关注在基础能力上面,把元数据自动化采集能力覆盖到业界各种常用工具,并在核心的数据关系解析方面做了深入的研究和落地,保证数据管理。

    在多产品数据治理阶段,我们以提升数据质量为目标,完善和实现了数据标准管理和数据质量管理,实现了数据管理到数据治理能力的提升;

    在数据融合的自助数据服务阶段,除了基于元数据实现数据的快速查找定位,通过数据治理保证数据的高质量外,还提供了数据服务的开发和共享能力,基于这些能力让用户能自助、有保证地获取数据。

    1780ef5cb61efd870c2ec24986b7eb0f.png

    四、总结

    大数据治理对企业数据建设的重要性不言而喻,然而实现的困难有时也会让人望而却步,选择合适的技术和工具会达到事半功倍的效果。希望通过本文介绍能够帮助在建,或者准备规划大数据治理的各位,在大数据治理的资产管理、数据质量保证、数据应用等方面的技术和工具选择上有所帮助。

    展开全文
  • 大数据治理系列

    2018-12-14 18:40:27
    大数据治理——为业务提供持续的、可度量的价值 1 概述 2 大数据治理系列 2 第一部分:大数据治理统一流程模型概述和明确元数据管理策略 2 第二部分:元数据集成体系结构 15 第三部分:实施元数据管理 25 第四部分:...
  • 【摘要】大家现在都知道,随着云时代的到来,大数据越来越受到人们的关注,这就需要我们知道大数据治理遇到的问题有哪些?大数据工程师必须认真应对,这也反映出大数据重要,现在就告诉你大数据治理遇到的问题有哪些...

    【摘要】大家现在都知道,随着云时代的到来,大数据越来越受到人们的关注,这就需要我们知道大数据治理遇到的问题有哪些?大数据工程师必须认真应对,这也反映出大数据重要,现在就告诉你大数据治理遇到的问题有哪些?大数据工程师必须认真应对。希望对你有所帮助。

    随着云时代的到来,大数据越来越受到人们的关注。大数据需要特殊的技术来有效地处理大量随时间推移而被容忍的数据。适用于大数据的技术包括大规模并行处理数据库、数据挖掘网格、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展存储系统。大数据优势的凸显也从侧面暴露出一些问题,那么大数据治理计划需要解决哪些问题呢?让我们和编辑一起看一看。

    1、大数据治理遇到的问题有哪些——元数据

    大数据治理需要创建可靠的元数据以避免尴尬。例如,一个企业重复购买同一个数据集两次,只是因为该数据集在两个不同的存储库中使用不同的名称。

    2、大数据治理遇到的问题有哪些——隐私

    公司需要密切关注隐私合规问题,例如使用社交媒体进行数据分析。

    3、大数据治理遇到的问题有哪些——数据质量

    考虑到大数据的巨大数量和超高速,组织需要确定哪一级的数据质量“足够好”。

    信息生命周期管理。大数据治理计划需要制定归档策略,以确保存储成本不会超出控制范围。此外,组织需要制定保留计划,以便根据管理法规要求正确处理数据。

    4、大数据治理遇到的问题有哪些——管理

    最后,企业需要招聘大数据管理员。例如,石油和天然气公司勘探和生产部门的管理人员负责管理地震数据,包括相关元数据。这些管理员需要避免组织为他们已经拥有的外部数据付费,因为命名约定不一致。此外,社交媒体管理员需要与法律顾问和高级管理层合作,制定可接受的信息使用策略。

    事实上,大数据治理计划不仅包括上述方面,还包括很多内容。如何解决这一问题,首先需要掌握大数据技术。

    以上就是对于《大数据治理遇到的问题有哪些?大数据工程师必须认真应对》的详细分析,从文字大家可以看到,大数据优势的凸显也从侧面暴露出一些问题,这也反映出大数据重要,如果你想知道更多大数据的相关知识,可以点击下方资料下载链接。

    展开全文
  • 梳理了当前我国大数据治理标准化面临的问题,明确了与大数据治理相关的概念和定义,提出了大数据治理标准体系框架,并给出了下一步标准化工作建议,从而帮助业界构建涵盖大数据治理的新大数据标准体系,为我国新一...
  • 【摘要】近几年大数据为人类社会做出了很多贡献,而治理就成为了一个规范大数据发展的准则,其中比较吸引网友注意的就是大数据治理体系的思考,这对于大数据行业究竟意味着什么,是否能成了保证大数据领域安全的一把...

    【摘要】近几年大数据为人类社会做出了很多贡献,而治理就成为了一个规范大数据发展的准则,其中比较吸引网友注意的就是大数据治理体系的思考,这对于大数据行业究竟意味着什么,是否能成了保证大数据领域安全的一把保护伞,那么,我们一起来看看大数据治理体系的思考。

    1、大数据治理体系的思考——第一点思考是对体制和体制的完善,在分享体制方面,要促进政务数据分享开放,建立明确的分享体制,各部门数据分享的顶层体制设计先行,同时要构建符合国情的法律法规和激励体制。在职责体制方面,要建立明确的职责体制,明确数据的拥有者、使用者和运维者各方的职责,谁拥有谁负责,谁使用谁负责,谁流转谁负责。在技术支撑方面,要提供创新技术方案支撑高效数据分享,实现数据分享交换全流程可监可控可追溯。

    2、大数据治理体系的思考——第二点思考

    我国需要健全政务信息资产整合分享的顶层体系架构,并制定相应的标准规范,保障数据分享交换和业务协同。首先,要建立政务数据资产目录分类与管理、分享交换接口、分享交换服务、多级分享平台对接、平台运行管理、网络安全保障等方面的标准规范,其次要制定统一信息资产分类指标体系,明确信息资产分类的合适范围,研究制定数据资产的采集、接入和服务实用以及数据质量标准。

    3、大数据治理体系的思考——第三点思考

    大数据相关的技术平台,要遵循“责权清晰、统建共用、全程管控、标准一致”的原则,运用自主可控创新技术、加速打破信息孤岛,提供高可靠的政务信息分享交换平台。梅宏强调,“政务数据分享体系不宜一味追求物理集中,可在一定层级上采用‘物理分散、逻辑统一、一体管控’的原则,逻辑互联先行,物理集中跟进。”在不改变现有信息系统与数据资产的所有权及管理格局的基础之上,明晰各方职责权利,也就是说数据的实用方提需求,拥有方响应,而交换平台的管理方保流转,形成明确的技术支撑。

    以上就是有关于大数据治理体系的思考的全部内容了,从文章中我们就可以看出大数据工程师之类的行业有多么受欢迎,所以想从事大数据行业的小伙伴们就要好好理解小编为大家整理的文章内容了,我们会从各种方面分析大数据行业的内容,环球网校小编希望大家的学习之路顺利。

    展开全文
  • 大数据治理方案.pptx

    2021-03-24 20:23:06
    大数据治理方案
  • 非常好的大数据治理体系参考文档,该文档包含了大数据治理需要考虑的方方面面,其中包括,数据治理原则,组织和流程的定义,数据治理架构的定义等
  • 政府大数据治理成为政府关心的一个重要议题。采用文献调研等方法,对当前主要的国家政府大数据实践进行了分析,认为政府大数据应用仍处于早期阶段。对政府大数据治理的概念进行了溯源,认为政府大数据治理一方面继承...
  • 【摘要】近几年大数据为人类社会做出了很多贡献,而治理就成为了一个规范大数据发展的准则,其中比较吸引网友注意的就是大数据治理体系的思考,这对于大数据行业究竟意味着什么,是否能成了保证大数据领域安全的一把...

    【摘要】近几年大数据为人类社会做出了很多贡献,而治理就成为了一个规范大数据发展的准则,其中比较吸引网友注意的就是大数据治理体系的思考,这对于大数据行业究竟意味着什么,是否能成了保证大数据领域安全的一把保护伞,那么,我们一起来看看大数据治理体系的思考。

    1、大数据治理体系的思考——第一点思考是对体制和体制的完善,在分享体制方面,要促进政务数据分享开放,建立明确的分享体制,各部门数据分享的顶层体制设计先行,同时要构建符合国情的法律法规和激励体制。在职责体制方面,要建立明确的职责体制,明确数据的拥有者、使用者和运维者各方的职责,谁拥有谁负责,谁使用谁负责,谁流转谁负责。在技术支撑方面,要提供创新技术方案支撑高效数据分享,实现数据分享交换全流程可监可控可追溯。

    2、大数据治理体系的思考——第二点思考

    我国需要健全政务信息资产整合分享的顶层体系架构,并制定相应的标准规范,保障数据分享交换和业务协同。首先,要建立政务数据资产目录分类与管理、分享交换接口、分享交换服务、多级分享平台对接、平台运行管理、网络安全保障等方面的标准规范,其次要制定统一信息资产分类指标体系,明确信息资产分类的合适范围,研究制定数据资产的采集、接入和服务实用以及数据质量标准。

    3、大数据治理体系的思考——第三点思考

    大数据相关的技术平台,要遵循“责权清晰、统建共用、全程管控、标准一致”的原则,运用自主可控创新技术、加速打破信息孤岛,提供高可靠的政务信息分享交换平台。梅宏强调,“政务数据分享体系不宜一味追求物理集中,可在一定层级上采用‘物理分散、逻辑统一、一体管控’的原则,逻辑互联先行,物理集中跟进。”在不改变现有信息系统与数据资产的所有权及管理格局的基础之上,明晰各方职责权利,也就是说数据的实用方提需求,拥有方响应,而交换平台的管理方保流转,形成明确的技术支撑。

    以上就是有关于大数据治理体系的思考的全部内容了,从文章中我们就可以看出大数据工程师之类的行业有多么受欢迎,所以想从事大数据行业的小伙伴们就要好好理解小编为大家整理的文章内容了,我们会从各种方面分析大数据行业的内容,环球网校小编希望大家的学习之路顺利。

    展开全文
  • 大数据治理是个复杂的工程,涉及技术和管理2个层面的内容。从系统的角度出发,从大数据和治理2个维度刻画大数据治理的过程,提出了一个全景式系统框架,阐述了该二维框架中每个单元的内容及彼此之间的关联关系。针对...
  • 大数据治理与服务

    2019-07-23 00:51:32
    资源名称:大数据治理与服务资源截图: 资源太大,传百度网盘了,链接在附件中,有需要的同学自取。
  • 大数据治理的主要目的是使数据的利用价值和利用效率最大化,治理后的数据在利用过程中也不可避免会涉及敏感数据或者隐私数据。从大数据治理出发,基于实际应用案例,讨论大数据治理过程中如何利用数据模式的重组实现...
  • 互联网每刻都会产生庞大的数据,我们将这类有意义的数据统称为大数据,为了将这类大数据用于各种行业里,我们就出现了大数据工程师,很多人都想了解有关于大数据工程师的内容,所以今天就来讲讲大数据治理面对的问题...
  • 为充分发挥数据的资产价值,监管部门高度重视大数据治理工作。通过梳理证券期货行业监管大数据治理的需求与特殊性,对证券期货行业的大数据治理体系进行了深入研究,包括构建证券期货行业数据模型、搭建公共数据平台...
  • 智慧园区大数据治理方案
  • 大数据治理整体解决方案
  • 普元信息的大数据治理特刊,从什么是大数据治理大数据治理关键技术解析都有介绍,内容通俗易懂,可以一窥大数据治理门径!(侵权-删)
  • 大数据治理与服务.pdf

    2019-01-16 11:10:53
    大数据治理与服务.pdf
  • 在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断发展和完善,其落地实施的过程中会遇到各种各样的难题和挑战。本篇...
  • 大数据治理步骤.docx

    2019-10-14 10:49:48
    企业数据治理,本系列共分为七个部分,围绕大数据治理统一流程参考模型,并结合实际业务问题和IBM相应的产品解决方案展开叙述。
  • 智慧银行大数据治理平台建设方案

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,206
精华内容 882
关键字:

大数据治理