普元数据治理解决方案（108页）.pptx

普元数据治理解决方案

;有效的数据治理建设方法

行业数据治理案例分享

普元数据治理产品介绍;如何实现有效的数据治理？——数据治理要素;如何实现有效的数据治理？——数据治理建设思路;组织架构;数据治理建设思路;数据管理（管控）思路：基于数标的全流程数据管理;数据质量流程;元数据管理流程;数据治理建设思路;;数据治理;数据治理建设思路;平台实施示例——元数据实施范围;平台实施示例——元数据质量控制;平台实施示例——数据质量检核实施;有效的数据治理建设方法

行业数据治理案例分享

普元数据治理产品介绍;数据管理领域合作客户;案例1：国家开发银行数据管控定位

——金融行业数据治理背景;明确数据管控工作的主要参与者及职责划分，制定数据管控的办法及详细操作流程;案例1：国家开发银行数据管理建设思路;1;案例1：国家开发银行数据管控组织架构;数据标准类;案例1：国家开发银行数据管控制度流程示例;案例1：国家开发银行数据管控制度流程示例;;案例1：国家开发银行数据质量检查点;;案例1：国家开发银行数据质量考核指标;案例1：国家开发银行数据质量考核指标;案例1：国家开发银行标准落地示例

——客户标准落地;案例1：国家开发银行标准落地示例

——信贷类产品数据标准落地;平台建设;案例2：中信银行数据治理——元数据;;案例2：中信银行数据治理——元数据

辅助科目改造场景;案例2：中信银行数据治理——元数据

;;

案例2：中信银行数据治理——数据质量

;案例2：中信银行数据治理——数据质量;案例2：中信银行数据治理——数据质量

辅助数据质量问题分析及;;案例3：上海银行数据管理系统总体功能结构;上海银行数据管理建设思路侧重于事前预防，将各领域数据管理的要求融入到系统研发当中，从需求编写和需求分析等数据产生源头进行管理。严格按照数据标准进行需求编写，结合数据质量管理、元数据管理串联整个软件生命周期。;;案例3：上海银行数据管理系统指标管理;案例3：上海银行数据管理系统

——数据质量检核方法;案例4：长城资产数据治理

——金融资产管理行业数据治理??景;案例4：长城资产数据治理;案例4：长城资产数据治理

——组织架构设置;案例4：长城资产数据治理

——数据标准制定;数据整合(Primeton.ETL);;有效的数据治理建设方法

金融行业数据治理案例分享

普元数据治理产品介绍;;普元数据治理平台;普元数据治理平台组成和相互关系;数据治理的核心要素——元数据管理;应用场景-从全局了解企业数据资产;应用场景-系统升级影响定位;应用场景-辅助报表问题定位;;应用场景-辅助EDW开发;应用场景-基于元数据的模型设计示例;普元元数据管理平台（MetaCube）;平台功能;案例效果：数据地图;元数据——多层次分析支撑数据追溯;大数据中的元数据采集;数据管控的首要目的——数据质量管理;数据质量管理产品价值;数据质量产品逻辑架构;基于元数据的数据监控及问题管理特性;数据质量核心功能清单;数据标准——全面的数据标准管理;数据标准——结合元数据进行数据标准落地检核;数据标准——公共代码管理;数据管控体系建设策略;A;2.2普元数据管理体系框架;2.2普元数据管理体系框架——各模块间关系;2.3普元数据管理总体解决方案——数据标准管理;2.3.1数据标准管理——基于元数据的数据标准管理;2.3.2数据标准管理方案——企业级数据字典制定;2.3.3数据标准管理方案——数据标准执行监控;业务驱动《良好标准》基本框架;业务元数据检核;;;企业级元数据管理

（三步骤、六阶段）;将数据生命周期划分为数据定义阶段、数据存储、数据加载转换以及数据应用、数据归档阶段。下图从元数据类型角度说明了每个阶段管理的元数据范围。;2.5.2元数据管理——数据模型管理（事前）;2.5.3元数据管理方案——元数据采集机制（事中）;;项目背景;业务

活动

监控

(引擎);内部应用

(业务/管理/支持…);;案例2：国家电网大数据中心数据治理;案例2：全局了解数据资产情况;案例2：快速定位数据问题;案例2：数据资产分析业务变更影响;案例2：综合分析寻找数据质量问题;4、基于元数据认责管理的问题处理支撑;数据管理与应用框架体系;数据管理框架的设计原则;数据体系规划方法