ITPub博客

IT角度VS业务角度VS管理角度看数据仓库

元数据是描述数据的数据，主要作用是让数据相关方了解数据如何生产、如何定义、如何分布，如何演变，数据之间有什么关系，以及相互之间的影响。

当前企业,基本上存有海量数据，目前最大的问题是质量较差，导致数据无法应用，所以一般企业的数据治理都围绕数据质量进行治理，根据我的经验，主要有如下4个数据管理治理场景，看下你们的项目属于哪个场景。

DAMA-DMBOK最核心的三张图是什么？

一、起因今天下午读DMBOK2,第五章，179页，键的功能类型中有一段话“业务键和代理键是互斥关系”，发现有点难以理解这句话，于是我去求助各位大神，看看大神对这个是怎么理解的。

数据管理包含数据治理，它们的差异在第一次可以用管理，不能用治理，在此基础之上才能用治理。

个人体会，正则表达式是文本清洗的神器，正则表达式不难，使用的时候在网上找找案例就行，但是如果你对他有全局了解，你就会发现，在未来使用和查找都会达到事半功倍的效果。?

性能是设计出来的，质量也是可以设计出来的，理解这篇，关系型数据库性能和质量提升30%不是问题。

本篇包含数质量基础，数据质量规则、指标（附模板下载），数据探查（附模板下载），数据保障机制，数据清洗（附模板下载），常见质量问题（附下载文档）

你知道数据元和元数据的2个共同点和5个差异点吗？

一、标签体系的方法论已经很多，我就不再重复了，本篇主要分享下三维构建签体系的理解和实现模板。

一、想要做好数据治理，数据分类是必不可少的一步，因为不同分类的数据，其治理方法有很大差异。

无论您管理方，业务方，还是IT方，无论您处在哪个层级，都需要对资产分布，业务流程和业场景深入理解，只有深入了解一线业务员和客户角度的问题和难处，才能真正做好，量化好考核指标和管理策略，才能做出解决客户痛点的产品；

俗话说知己知彼，方能百战不殆，企业只有对自身的数据来源，数据产生的场景，数据类型，数据存储分布充分了解后，才能知道数据从哪来最合理，数据存放在哪利用价值最高，数据怎么传输最高效，怎么用最小成本获得最大的收益。

黑色闭环为数字化闭环，蓝色闭环为数智化闭环，数字化业务流程，数智化业务规则，高效传输或共享优化流程和指导业务场景；

数据治理可以作为一个独立的闭环来实现，也可以融入业务流程，从业务源端控制数据质量，实现降本增效，实现长期、持续的治理效果，下面我们看下数据治理怎么融入保险业务流程。

自上而下和自下而上结合是数据治理公认的最优解决方案，自上而下的数据治理需要组织架构的合理调整才能职责明确，高效推动，在传统组织中，由于利益原因，自上而下这条线是比较困难的，这种情况下如何推动数据治理呢？

数据治理核心难点是，平衡短期与长期的冲突，平衡局部与全局的冲突，平衡效率与质量的冲突，短期和长期冲突是战略问题，局部和全局冲突是组织问题，质量与效率冲突是管理的问题

都说烟囱式系统是一种不能与其他系统进行有效协调工作的信息系统，又称为孤岛系统，但它是传统组织架构的必然产物，它可以很好的满足以产品开发为中心的业务需求，随着环境变化，市场对管理和信息传递要求越来越高，原来的优势必然会成为最大的瓶颈。

场景是片面的，但是实际存在的，我希望回归业务景，对保险痛点和价值挖掘，和您一起加深数字化的理解，思考数字化如何解决保险全流程客户体验的痛点和价值实现。