大数据资产管理平台建设方案

数据资产管理服务覆盖企业IT系统生命周期的不同阶段，协助企业建立适合自身特点的数据资产管理系统，提高企业管理自身数据资产的能力，为后续的数据挖掘提供可靠、有价值、高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险保险，同时为企业提供更智能、更有效的决策数据支持。

大数据时代已经到来。数据被业界公认为企业最有价值的资产之一，其价值也得到了广泛的认可。然而，在试图挖掘数据资产价值的过程中，大多数传统企业都存在各种问题，如：

数据架构混乱：随着越来越多的系统和更高的系统复杂性，管理变得越来越困难。没有人能够理解整个系统的数据架构和数据流，数据架构、业务流程和应用架构之间的关系也不清楚。

架构管理滞后：甲方越来越依赖开发人员，系统数据架构管理弱化。同时，开发人员注重功能的实现，对非功能性需求不太关心，导致版本质量不高，优化效果滞后。

体系结构变化失控：大多数系统处于迭代开发过程中，当有新的需求时，会增加一堆表，使得系统数据模型越来越灵活；数据模型设计缺乏评审，导致数据模型混乱、复杂，可扩展性差。

数据无序增长：企业核心业务系统数据容量无序增长，长期处于“系统扩展—数据扩展—低性能—系统扩展”的怪圈。

缺乏数据标准：缺乏企业级统一的数据标准、数据模型的相关含义，使得开发人员和运维人员难以理解；同时，也使得不同应用之间的数据集成和数据共享变得困难。

突出的数据安全性：企业对敏感数据、用户和访问权限的认识和控制仍然不足，敏感数据泄露的安全事件屡见不鲜。

数据质量参差不齐：数据处理过程中产生大量的错误和劣质数据，数据错误检测和处理过程不及时，导致后续错误较多。

数据资产管理（dam）是一组计划、控制和提供数据的业务功能，包括制定、实施和监督与数据相关的计划、政策、方案、项目、流程、方案和程序。企业依靠有效的数据资产管理，提供可靠、有价值、高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险，为企业提供更智能、更有效的决策数据支持。

我们在传统行业的数据资产管理相关项目方面拥有丰富的经验。通过总结不同行业数据资产管理项目的成功经验，在Dama等国外先进数据资产管理理论的指导下，总结和梳理了数据资产管理服务框架。

数据资产管理率先提出“服务”+“平台”的双重体系，推动企业数据资产管理的快速实施和发展。

服务：数据资产管理服务以数据架构管理为核心，涵盖数据标准、数据生命周期、数据分布、数据质量、数据安全、数据运营等数据资产管理的方方面面。

数据资产管理服务覆盖企业IT系统生命周期的不同阶段，协助企业建立适合自身特点的数据资产管理系统，提高企业管理自身数据资产的能力，为后续的数据挖掘提供可靠、有价值、高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险保险，同时为企业提供更智能、更有效的决策数据支持。

Esdataassets是一个数据资产管理平台，通过元数据描述信息资产的特性，并以目录的形式进行分类管理。形成统一规范的目录内容和数据资产服务，丰富服务接口的扩展，支持数据共享服务、分析决策支持等数据资产的多渠道应用，最终实现以资产价值化为目标的数据资产管理。

简单直观的目录构建过程，无缝访问各类元数据，并自动挂载资源，通过分类实现对数据资产的管理。具有自动激活功能，根据元数据内容自动更新目录信息，保证目录与实际资源的一致性。

支持标签设计管理、资产批量和自动标签。标签可以以业务可以理解的方式重新组织和定义数据，使数据可读且易于理解。

提高企业数据共享能力。资产目录中管理的资源可以自动生成各种数据服务功能，包括数据查看、数据下载和数据接口。它还可以自定义数据交换任务，根据数据资产对象的所有权信息提供统一的数据共享服务。

编目资产只有经过授权和发布后，才能由相应的角色或用户使用。API服务提供多个参数，确保数据的所有权；数据交换服务必须经过用户的批准才能使用。

同时，数据资产管理平台实现了数据资产的可视化、自动化和智能化操作，将数据资产管理团队从繁杂的数据管理工作中解放出来，降低了整体人员投入和成本投入。