数据发现的救火演习：为什么我的商业智能报告里的数据不正确？（erwin数据建模与治理）

商业智能报告（BI）可能不完整、不一致或不准确，这成为试图做出明智商业决策的高管团队的关键问题。当问题出现时，由IT部门决定问题是什么、发生在哪里以及如何解决。这不是一项微不足道的任务。

以下面的场景为例，一位CEO收到了两份据称来自同一组数据的报告，但每份报告都显示了不同的结果。哪个报告是正确的？如果这是您的组织经历过的事情，那么您就知道接下来会发生什么-----数据发现救火演习。

由此带来一系列活动，并暂停了所有其他首要任务。一个特别小组很快就被召集起来研究每一份报告。他们审查数据源、ETL过程和数据集市，以追踪影响数据的事件。类似于上述的救火演习可能需要几天甚至几周的努力才能找到错误。

在上述情况下，原来只有一个报告中实现了一个ETL过程的更新。当您将数据发现救火演习的数量乘以任何商业智能报告的数据质量问题的数量时，成本将会持续增加。

数据可以同时从多个系统到达，通常是快速并行的。在某些情况下，ETL加载本身可能会生成新数据。尽管如此，IT部门仍然需要回答两个基本问题：这些数据来自何处，以及它们是如何获得的？

准确的商业智能报告需要数据治理

随着数据量的快速增长，BI数据环境变得更加复杂。为了管理这种复杂性，组织投资于大量复杂且昂贵的工具。但尽管进行了这些投资，IT部门仍无法在其BI环境中跟踪大量数据。那么答案是更多的技术投资吗？

也许我们应该寻找更好的答案：我们如何才能避免未来的数据发现的救火现场？

我们认为，可以防止数据发现导致的IT部门临时救火，这首先需要正确的数据治理和强大的数据沿袭能力。

为什么数据治理很重要？

受控数据将促进数据共享。

数据标准将使数据可重用性提高。

数据定义中更广泛的上下文关联内容有助于更准确的分析。

一套清晰的数据策略和程序支持数据安全。

为什么数据血缘很重要？

数据信任是通过其可靠来源建立的。

通过能够跟踪数据，可以简化故障排除步骤。

ETL数据丢失的风险可以通过预先暴露过程中存在的潜在问题而相应降低。

业务规则将是可见的，否则它们将隐藏在ETL过程中。

数据治理支持数据驱动业务

在现代数据驱动的业务环境中，公司本质上是信息生产线-----数据治理负责生产线的健康和维护。

这是确保数据质量的企业数据治理软件的价值，因此公司可以对其数据保持更大的信任。它可以确保创建的任何数据都得到正确存储、标记并分配所需的上下文关联内容，以防止在生产线中移动时发生损坏或丢失，从而大大增强了企业数据发现的能力。

除了提高数据质量、合规性和简化跟踪数据血缘等做法外，健全的数据治理还帮助企业主动处理数据，利用数据来提高收入。他们可以更快地做出更好的决策，并消除代价高昂的错误和数据泄露的可能性。从而避免侵蚀公司的底线。

上一条：UltraEdit 2022

下一条：盘点红帽企业Linux的2022