For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断发展和完善,其落地实施的过程中会遇到各种各样的难题和挑战。本篇文章通过分析大数据治理建设中的沟沟坎坎,总结出了大数据治理需要具备的能力和关键技术。
一、困难重重却充满光明的大数据治理发展之路
1、传统数据治理一直无法逃脱
大数据治理从建设内容和实施目标上可以划分成不同的阶段,每个阶段完成不同的任务,随着阶段的递进,建设内容逐步加深,不同的企业切入点和诉求也各不相同。
然而,大数据治理建设之路并不是一帆风顺的,甚至可以说充满了各种问题和困难,如何管理企业级的数据资产、如何让业务积极参与到数据建设中来、如何降低数据治理的落地难度等一系列问题,一直困扰着数据治理的发展,传统数据治理的问题主要体现在以下几个方面:
管理范围窄
要做数据治理首先要知道有哪些数据,传统的数据治理往往只管理了数据领域,很少关注业务、管理和开发相关的数据资产,数据管理范围比较窄,而且,受限于技术实现,即使在数据领域的数据资产也很难做到精准管理;
业务难结合
业务元数据的广泛缺失,导致业务人员无法使用技术性的元数据系统,元数据缺乏业务用户,使用者少;
应用场景缺
元数据被当成单独的系统,而不是广泛的技术基础,导致只关心元数据本身的应用场景;
技术不完善
在技术层面存储缺乏扩展性,采集自动程度不高,管理实时性不高。
(以上内容来源于36大数据)
达内软件测试培训机构老师,给大家讲了大数据治理方面的技术,还想了解更多软件测试方面的知识,那就快来达内软件测试培训机构学习吧!
还在犹豫的小伙伴们,快和我们联系吧,发课程资料给你们哦!