已有0人关注此标签
「数据治理那点事」系列之四 | 书同文车同轨：数据治理之数据标准管理
作者: 数澜科技大数据
282人浏览
这篇文章主要从数据治理中的重要基础内容：数据标准入手，从以下几个角度展开具体讲解： 对数据标准的认识误区 数据标准的定义 企业如何制定数据标准 数据标准化过程中出现难题的原因以及解决方案 一、大数据治理标准体系 根据全国信息技术标准化技术委员会大数据标准工作组制定的大数据标准体系，大数据的标准体系框架共由七个类别的标准组成，分别为：基础标准、数据标准、技术标准、平台和工具标准、管理标准、安全和隐私标准、行业应用标准。
云上一指禅：大数据产品DataWorks最佳实践
作者: 墨祤@DataWorks
8085人浏览
每天，阿里巴巴集团数万名数据/算法开发工程师正在使用DataWorks，承载阿里巴巴集团99%数据业务构建。
「数据治理那点事」系列之二：手握数据「户口本」，数据治理肯定稳！
作者: 数澜科技大数据
342人浏览
这篇文章主要从数据治理的基础和核心之一：元数据入手，从以下几个角度展开具体讲解： 元数据概念 元数据的分布和采集 元数据的一些实际应用场景 一、元数据到底是个啥？ 如果我说：元数据（Meta Data），就是描述数据的数据。
选型宝访谈：移动+社交时代，如何治理“大数据洪水”？
作者: 选型宝
262人浏览
写在前面 不管你是否愿意，随着移动互联网和社交工具的普及，一个充满了机遇和挑战的大数据时代悄然来临了。就在大家纷纷谈论数据驱动创新、数据创造价值的时候，仍有许多企业的CIO/CDO在这个新时代面前感到茫然和困惑： 我的企业的数据在哪里？它有什么价值？ 数据治理，应该建立怎样的完整框架？ 在完整的框架下，应该用怎样的工具武装自己 ？ 移动+社交时代，海量非结构化、半机构化数据涌来，如何应对？ 智能数据湖是怎么回事儿？它和数据仓库是什么关系？ …… 为了找到这些问题的答案，我们特意采访了全球领先的数据管理专家Informatica的中国北方区总经理李晨先生。
选型宝分享Informatica中国数据管理5大经典案例
作者: 选型宝
370人浏览
写在前面 5月18日，选型直播曾做过一期题为“移动+社交时代，如何治理大数据洪水？”的节目，在那期节目中，Informatica北方区总经理李晨先生系统地介绍了Informatica公司的背景、大数据治理的完整框架，以及最新的“智能数据湖”解决方案。
选型宝访谈：怎样构建统一、共享的主数据平台，打造真正干净的数据治理能力？
作者: 选型宝
386人浏览
今天，商业环境瞬息万变，竞争日益加剧。 无论你是什么行业，你都无法回避的一个关键词是“数字化转型”。通过数字化转型，让企业变得敏捷，成为一种时代精神，也是我们这代IT人的使命。 然而，无论是业务层面的创新需求，还是决策层面的数据分析需求，都要干净、准确的业务数据作为支撑。
「数据治理那点事」系列之三：不忘初心方得始终，数据质量管理要稳住！
作者: 数澜科技大数据
328人浏览
本文主要讲数据治理中的重要工作：数据质量管理。 从数据质量管理的目标，质量问题产生的根源，讲到如何评估数据质量，如何贯彻数据质量管理流程，最后从取与舍两个角度谈谈我对质量问题的一些个人观点。
大数据时代的数据治理
作者: flowerwaiter
407人浏览
其实一直想写这个主题，只是最近事有点多。按照向下兼容的特性来说，大数据治理和数据治理应该是没有差别的。但从本质而言，传统数据库的模式是Schema on Write，即在写入数据前先要定义Schema，包括了数据库的表、视图、存储过程、索引等，每个数据库条目都有自己的血缘关系（Lineage），基于角色或栏的访问控制，变更日志等等，这些内容在跨系统数据传输或转置时必须定义明确，因为在数据流的每个入库阶段都可能改变原始数据。
“数据治理那点事”系列之一：那些年我们一起踩过的坑
作者: 数澜科技大数据
291人浏览
大数据时代，数据成为社会和组织的宝贵资产，像工业时代的石油和电力一样驱动万物，然而如果石油的杂质太多，电流的电压不稳，数据的价值岂不是大打折扣，甚至根本不可用不敢用，因此，数据治理是大数据时代我们用好海量数据的必然选择。
