DataWorks数据治理

企业数字化转型的挑战

DataWorks前世今生

DataWorks核心能力

数据集成:

数据治理

产品方案以及案例

数据治理的概念、需求层次和目标

数据治理 理论参考

数据治理核心意义:在数据管理过程中,要保证一个组织已经将数据转换成有用的信息,这项工作所需要的流程和工具就是数据治理的工作

数据治理 需求层次

数据治理:"马斯洛需求层次"(越下面越基础,上层需求才是本质)

数据治理 核心目标和实施方案

公司数字化转型最大程度数据资产化,挖掘数据的价值

两种方式相结合的实施策略才是最完美的(自上而下与自下而上相互结合)!!!

阿里巴巴数据治理实践

数据治理的挑战,成效和落地要素:EB级,千万任务/元;10亿/年
本质:处理数据量,节省多少成本!!!

组织建设

制度保障

运营落地

数据治理的运营实施方式:量化很重要

平台工具支撑

DataWorks数据治理平台能力

平台总览

DataWorks 数据治理:核心理念

通过数据和任务的方式来服务人

核心功能模块介绍

数据时效

数据质量

防止质量问题大范围扩散:质量的监控和任务调度是相互挂钩的.(如果出现质量问题的情况下)设置强报警规则来阻塞任务的调度和运行(将任务暂停)--->发送报警(多种丰富报警样式)

数据质量分层

不同的层级配置不同的质量监控规则

数据治理数据地图

阿里地图优势:

• 数据发现:支持11种元数据采集和数据目录构建
• 血缘信息(特色)&影响分析
• 数据预览&数据勘察:方便用户快速了解数据,洞察数据分布情况

• 数据类目: 提高数据的复用性

  数据安全(安全卫士$数据保护伞)

  

  数据治理:资产盘点和资源优化(成本)

  

  产品最新进展(可作为我们行业参考方向)