- 产品
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
全程“零”编码,高效实现主数据模型、主数据维护、主数据分发、主数据质量的全过程管理,为企业主数据管理落地提供有效支撑,实现各业务系统间的主数据共享,保障企业主数据的唯一性、准确性、一致性。
覆盖数据建模、采集、处理、集成、共享、交换、安全脱敏于一体,一站式解决数据开发所有的问题。
统一指标定义,实现“一变多变、一数多现”的数据管理效果,为企业提供强有力的数字化保障和驱动效应。
零代码+AI,有“问”必答的数字助理,利用AI大模型和数字人技术,通过语音&文字输入问题,自动识别业务指令,深度理解用户意图的问题,洞察数据,人机交互,重新定义BI新体验。
面向企业级数据资产交易运营场景,助力企业实现数据资产的价值挖掘、升值和资产变现。
时间:2018-12-05来源:数据治理浏览数:911次
【数据治理】
一、数据治理的总体目标为:
满足外部日趋严格的监管要求
满足商业银行内部管理数据质量完善的需要
满足客户服务及业务拓展数据支撑的需要
二、数据治理的具体工作包括:
数据标准:根据国家及行业规定,以及本行的业务规范,建立本行的数据质量标准
数据质量评估:对当前业务数据源系统进行数据检查与质量评估,并出具数据质量评估报告
数据规范化:依据数据检查与质量评估结果,提出数据质量完善方案
数据清洗与重新生成:针对可以通过后续技术手段进行完善的内容,进行数据清洗和重新生成,形成符合质量要求的数据
三、数据质量标准从类别上,可以分为:应用类数据标准、统计类数据标准和基础类数据标准。
应用类数据标准包括:风险数据标准、客户数据标准、财务数据标准、绩效数据标准;
统计类数据标准包括:业务规模、风险管理、客户管理、运营管理、信息管理、外部数据;
基础类数据标准包括:客户数据标准、产品数据标准、协议数据标准、机构数据标准、交易数据标准、渠道数据标准、营销数据标准、资产数据标准、财务数据标准、地址数据标准、公共代码数据标准。
四、数据质量管控平台是数据管理的核心环节。
数据质量标准进行参数化技术处理后,做为技术标准对各类数据源的数据质量进行检核,并出具质量检核结果报告,供编制数据质量完善方案使用。
数据只有在数据质量管控平台检核、通过质量确认或修复后,才能进入数据仓库,被后续业务应用所使用。
【数据仓库】
数据仓库是决策支持系统和联机分析应用数据源的结构化数据平台。数据仓库研究和解决从数据库中获取信息的问题。数据仓库中的数据具有面向主题、集成性、稳定性和时变性的特征。从数据存储的角度来看,数据仓库具有如下特点
1)详细交易数据及相关业务数据的集合
2)包含必要的内部与外部信息数据
3)数据来自于多个数据源
4)保存一定的时间周期
5)按照企业内业务规则所决定的模型存储
亿信睿智数据治理管理平台提供数据治理&数据仓库一体化解决方案,协助企业:
1)建立企业内一致的信息视图,建立操作型数据的集中存储与分发的基础平台,形成全行统一的数据服务平台。
2)完善全行数据供应链,建立覆盖各业务源系统数据的存储、处理机制。
3)降低应用的信息数据分析成本,缩短数据分析应用的投产周期。
4)通过数据服务的建设,使得数据中心作为一个整体,能够在最短的时间内满足业务数据需求,提高了IT响应业务的效率。
上一篇:数据治理和安全...
全面覆盖数据治理9大领域,采用微服务架构,融合度高,延展性强
实现数据从创建到消亡全生命周期的可视化,也实现全角色的可视化
丰富的智能元素和功能,大大缩短数据管理周期、减少成本浪费