GeoScene空间数据治理能力介绍.pdfVIP

GeoScene空间数据治理能力介绍 目 录 1.数据治理背景 2.GeoScene 时空数据治理能力 3.GeoScene 数据治理场景及案例 4.优势特性总结 1.数据治理背景 数据治理概念 数据治理没有严格的定义，一些国际和国内机构提出了一整套数据治理知识体系和模型框架，用于指导企业级的数据治理活动。 DAMA （Data Management Association，国际数据管理协会）数据管理知识体系 • 数据治理是对数据资产的管理活动行使权力和控制的活动集合（规划、监控和执行） • 数据治理职能是指导所有其他数据管理领域的活动 • 数据治理的目的是确保根据数据管理制度和最佳实践正确地管理数据。 • 包括战略、制度、标准和质量、监督、合规、问题管理、数据管理項目、数据资产估值 Data DCMM （Data Management Capability Maturity Assessment Model）数据管理能力成 Governance 熟度评估模型，工信部牵头发布 • 数据治理能力域：数据治理组织、数据治理制度、数据治理沟通 DGI （Data Governance Institute，数据治理研究所）数据治理框架 • 5W1H法则：WHY ,WHAT, WHO, WHEN, HOW, WHERE • 数据治理愿景目标、治理内容、利益干系人、行动计划、治理流程、水平定位 DAMA数据管理知识体系 通俗的讲，数据治理是对数据进行处置、格式化、规范化的过程，解决数据从不可用、不好用到可用、好用的过程 为什么需要数据治理 数据分析过程往往没有那么顺畅和理想 • 数据存在问题，清洗数据费时费力 • 探索性分析阶段，反复进行数据处理与模型验证 收集数据 收集 数据 数据 数据 数据 数据分析 数据清洗 数据 清洗 融合 处理 分析 Happy families are all alike; every unhappy family is unhappy in its own way. ——Leo Tolstoy 数据处理 数据融合 Like families, tidy datasets are all alike, but every messy dataset is messy in its own way. ——Hadley Wickham，Tidy data • tidyr 理想的数据分析 VS 实际的数据分析 数据的问题  历史数据缺少过程管理  数据分散  数据质量参差不齐  未融合，难以深度挖掘 各业务系统积累数十年的数据， 缺少统一管理平台； 车辆不在道路 未融合的数据，难以进行深度 即使在当前信息化的问题初步 系统内部，存储分散、交换困 农田数据压盖 分析； 解决的情况下，仍然存在数据 难，难以集中应用、共享成效； 如数据分散、质量等问题，也 产生/管理的混乱； 跨系统、不同管理组织、不同 为数据融合制造了困难 往往通过离线拷贝方式交换数 标准的数据难以统一管理 据，数据版本混乱，难以追溯