数据治理管控平台建设方案.pdfVIP

数据治理管控平台建设方案

目录

1.项目概述2

2.建设目标2

3.技术规格：3

3.1基本要求3

3.2性能要求3

4.技术要求4

4.1.1企级数据治理平台4

4.1.2数据标准管理系统4

4.1.3数据字典对标管理系统5

4.1.4数据质量管理系统6

4.1.5数据资产管理平台7

4.1.6数据架构设计软件8

4.1.7平台运行硬件服务器9

1

1.项目概述

人工智能的训练和分析需要通过大量的数据运算实现，因此离不

开大数据和数据治理的支持，大数据持续进行数据采集、清洗、转换、

分类等操作完成数据积累，而数据治理则为大数据的呈现提供了更为

规范的数据管理模式。人工智能需要依赖大数据平台和技术来帮助完

成深度学习进化，但是更需要数据治理工具为人工智能提供可信、可

靠的干净数据基础完成训练和分析。

2.建设目标

完善数据管理，建设数据基础：“无治理、不分析”，没有高质

量的数据，就不会有可信的AT,数据治理是人工智能基础，通过实施

相应的数据治理策略，让用户数据管理和应用的环境，变得整洁而有

序。在数据收集、数据整合、数据预处理过程中，能够输出一致的、

完整的、准确的数据，这是人工智能的基础。

梳理数据标准，提升数据质量：数据治理在提升数据质量方面具

有重要作用。通过梳理数据标准、数据质量需求、定义数据质量检查

规则、制定数据质量改善方案、设计并实施数据标准管理工具、监控

数据质量管理操作程序和绩效等数据质量管理环节，用户可以获得干

净的、结构清晰的数据，为深度学习等人工智能技术提供可信的数据

输入。

打造数据合规，设立隐私保障：数据治理工具从技术层面设计了

保护隐私数据的诸多环节，提供数据模糊化、数据脱敏、数据加密,

可为企个人数据保护奠定基础，从而实现人工智能应用的数据合规

2

性。

提高运营效率，建立技术支柱：数据模型可以定义数据的整理和

存储方式以及内部的数据关系，通过标准化的方式定义了数据元素和

关系，以便组织的数据可以互相关联。通过数据架构设计软件让组织

任何职员高效访问和使用内部标准，轻松理解数据模型的运营方式,

为人工智能的算法模型优化提供高效的维护手段。

3.技术规格：

3.1基本要求

平台采用基于3/S结构，兼容IE、chrome.火狐等浏览器主流版

本

架构基于平台化、组件化设计；

支持跨平台应用：采用Java语言开发支持主流操作系统；

遵循软件开发安全规范防范SQL注入和XSS攻击等防范用户

帐号密码等敏感数据泄漏。

系统分析设计时充分考虑应用和功能的安全性。对应用系统的

不同层面如表现层、业务逻辑层、数据服务层等采取软件技术安

全措施。同时要考虑不同应用层面和身份认证和代理服务器等交互。

数据及数据接口标准化、可扩展。支持与学校统一身份认证系统、

大数据平台等信息化平台集成对接。

采用一定的加密算法对信息数据进行加密提高信息内容的安全

性。

3.2性能要求

3

具有高稳定性、较强的容错能力支持7*24的在线访问服务。

数据服务的平均访问等待时间不大于2秒。

4.技术要求

4.1.1企业级数据治理平台

4.1.1.1元数据采集

包括元模型管理、适配器管理、数据源配置、手动采集、元数

据采集任务管理、元数据采集日志管理等功能支持多格式元数据采

集:数据库D