- 数据分析
- 数据治理
- 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
时间：2019-02-13来源：亿信华辰浏览数：549次
数据治理对企业来说比以往任何时候都重要。它确保组织中的每个人都能发现和分析高质量的数据，从而快速提供业务价值。
它有助于成功地满足越来越严格的法规遵从性要求，如通用数据保护条例（GDPR）中的要求。它为企业绩效提供了一个清晰的衡量标准。 成熟和可持续的数据治理计划必须包括数据集成。这通常需要协调组织内的两组人员：1）关心治理和有意义地使用数据的人员；2）关心从源数据到目标数据的获取和转换，以获得可操作的见解的人员。
当治理与IT的集成实践以编程方式耦合时，数据价值链的两端都会被覆盖。这方面的工具和流程应该自动生成“pre-etl”源到目标的映射，以最小化在手动编译和解释组织中存在的大量基于Excel的数据映射时可能发生的人为错误。除了减少错误和提高数据质量外，通过自动化（包括最小化返工）获得的效率还可以将系统开发生命周期成本降低一半。
事实上，能够依赖自动化和可重复的过程可以节省高达50%的设计成本、高达70%的转换成本和高达70%的项目总交付速度。提高数据治理的成熟度始于一个中央元数据存储库（数据字典），用于控制从大量文件和数据库类型导入的元数据，以通知数据映射。它可以用于在系统开发生命周期的设计阶段自动生成受管理的设计映射和代码。正确的工具集——支持统一和底层元数据模型的工具集——将是一个设计和代码生成平台，它引入效率、可见性和治理原则，同时减少人为错误的机会。根据最佳设计实践为领先的ETL工具自动生成ETL/ELT作业符合这些原则；它根据批准的公司和行业标准运行。
自动将开发人员的Excel工作表、平面文件、Access和ETL工具中的映射导入到全面的映射库存中，并自动生成有意义的映射文档，这是一种支持治理的强大方法，同时提供对数据移动的真正洞察力，用于沿袭和影响分析。–不会中断系统开发人员的正常工作方法。例如，gdpr遵从性要求企业发现源到目标的映射以及所有相关的事务，例如存储库中的哪些业务规则应用于它，以符合审计。
整合数据管理和数据治理的法规依据。当数据移动被跟踪和版本控制后，就有可能进行数据考古学——也就是说，从ETL层中的现有XML逆向工程代码——以发现过去发生的事情，并将其合并到映射管理器中，以实现快速和准确的恢复。
这是如何以更高的灵活性和准确性高速满足数据治理需求的一个示例。erwin自动化框架是一个元数据驱动的通用代码生成器，它与erwin映射管理器（mm）携手工作，用于：
1.预ETL企业数据映射
2.数据沿袭、影响分析和业务规则存储库
3.自动代码生成
