Datablau国产数据库建模工具

原创 Datablau Data Modeler 新一代数据库建模工具

Datablau Data Modeler好用的专业建模工具Datablau DDM是新一代数据模型管理工具，由ERwin数据建模研发骨干开发团队荣誉出品。传统建模工具主要面向设计，而DDM创新的融合了数据治理理念，把数据治理推进到开发流程中，进行开发态的源头治理，解决了标准落地的难题。从根本上控制企业增量的数据质量问题。目前已经在多家银行、基金、保险、能源、政府、制造业等使用，效果显著。...

转载 24张架构图讲透数据治理核心内容

一、数据治理的框架和核心内容不同的利益相关者群体对数据治理的关注点不一样，因此各自的视图也不一样。其中管理者视图可以概括为“五域模型”，分别是“管控域”、“过程域”、“治理域”、“技术域”、“价值域”。图1、管理者视角-数据治理五域模型管控域：在数据治理战略指导下制订企业数据治理组织，明确组织的责、权、利，岗位编制及技能要求。治理域：是数据治理的主体，明确数据治理的对象和目标。技术域：数据治理的支撑手段，指的工具平台。过程域：是数据治理的方法论。

原创 数据指标的华丽蜕变：治理之路

指标定义的标准化是指标治理的基础，正如企业数据标准体系梳理一样，能够为企业构建一个通用、高质量的指标体系，避免重复建设和定义分歧，提升数据指标的可复用性和一致性。然而，在传统的数据治理模式下，往往缺乏统一的指标定义标准。现状分析1) 指标定义存在认知分歧不同业务团队或IT团队对同一指标存在不同的定义方式，导致指标的计算结果不一致。2) 指标定义质量参差不齐缺乏规范指导，指标定义的完整性、准确性和可用性无法保证。3) 指标定义的冗余和重复建设由于无法高效复用已有指标，导致大量重复劳动和资源浪费。

原创 如何通过数据治理来提升业务价值——业务场景治理

数据治理，一方面是为了对数据的规范管理和控制，还有一方面是让数据能够为业务提供服务和创造价值。近些年来，随着数据治理技术发生着日新月异的变化，行业对数据治理的需求和指导也被逐步推进和实践，从宏观上看，数据治理的组织架构、规章制度、标准规范日趋完善，实现了数据规范化管理，但在支撑业务减本增效、支持业务创新等方面尚存距离。具体体现在以下几点：与业务过程脱节无法针对业务过程中的数据需求与痛点进行问题解决，导致治理的数据无法真正满足业务需要或带来价值。低治理效率没有在业务流程中嵌入数据质量管理等机制，无法发

原创 EDW国际数据管理最新趋势（二）｜信息供应链与数据

数据管理

原创 EDW国际数据管理最新趋势（一）：数据战略与数据治理

业务高管都是结果导向，跟他们的沟通要简单直接，像“将客户数据与产品使用数据关联，可以提高销售额”，直接讲数据对业务的帮助。下图是我在EDW2023的演讲现场，演讲内容是关于数据模型管控与DataOps，现场座无虚席，大家听的很专注，时不时有人提问题讨论，演讲之后有很多人也过来找我单独讨论，对我的演讲很认可，我很有信心的讲我们的数据模型管控解决方案在国际上是很先进的。我会给予相应的讲解。其次，如何将数据治理通俗化，你可以先拿家里人做练习，听听非专业人士如何理解数据，试试如何说服他，把数据治理的价值灌输给他。

原创 如何通过数据治理来提升业务价值——业务场景治理

至此，数据治理进入了一个新的发展阶段，为了避免数据治理成为数据管理部门、IT部门的一厢情愿，而忽视业务部门的需求和参与，形成数据治理的怪圈，企事业机构的数据管理部门开始从宏观的数据治理框架和策略，转向具体的业务流程和场景的数据治理，以此为业务提供有效的数据支持和决策依据，增强业务的参与度和满意度。总之，业务场景数据治理是一种符合数据治理的本质和目标的数据治理方法，它能够实现数据治理和业务流程的有机结合，为企业提供更高质量、更安全合规、更具价值的数据，从而为企业的发展和转型提供强大的数据动力和保障。

原创 数据资产入湖管理

有的企业是照搬数仓的模型设计到数据湖，问题是模型对应的数据资产目录是按数据域，对业务很不友好，对业务不可用。所以AP侧的数据模型是需要拉通业务一起建设的，数据模型与数据资产目录只设计一次，而不是各建各的。通过业务部门梳理业务流程业务对象、业务对口IT进行数据探源、数据治理发布数据标准、提交入湖信息清单，最后由数据owner审批入湖。这种业务发起的方式大大提高了数据资产盘点的效率，整个流程捋顺了，既不是数据治理部自己闷头苦干最后被定义为自说自话，也不是数据治理部苦苦求着业务部门协助补充业务相关信息。

原创 数据资产与自助BI的一体化实践

随着数据资源被提高到数据资产的高度，数据治理成为确保有效管理和利用数据资产的一组流程和技术，而数据资产目录是包含企业数据资产的全息描述信息的存储库，并充当有效管理数据资产的（逻辑上的）单一事实来源。在我们的产品中，通过BI的接口，我们将元数据的业务语义等信息写入BI数据集中，并将数据目录和数据权限信息同步到用户视角之下，这对于最终用户是非常好的体验，也是数据治理组织应该赋能的方式。在我们的实践中，将数据资产的逻辑层盘点和数据交付进行了拉通，确保发布到BI的数据资产是可应用的数据，并对此进行的专项管理。

原创 一文了解数据管理框架以及数据战略制定方法

这一节主要介绍数据管理这一章的另一重要部分，也就是我们在数据管理经常使用到的数据管理框架以及数据战略制定方法。要制定数据管理框架，或者是组织需要制定数据治理规划或数据管理规划，需要首先制定与业务战略对齐的数据战略。

原创 数据模型设计必读方法论！很实用

首先，我们明确什么是数据模型及数据建模：数据建模是发现、分析和确定数据需求范围，然后以称为数据模型的精确形式表示和传达这些数据需求的过程。数据建模是数据管理的重要组成部分。数据模型描述了组织的数据资产并促使组织理解其数据资产。数据模型根据组织的了解或组织的期望来描述组织的数据。数据模型包含一组带有文本标签的符号，这些符号试图可视化地表示传递给数据建模者的数据需求。数据建模的常用方案（模式）会有：关系、维度、面向对象、基于事实、基于时间和NoSQL建模。数据模型的组件有实体、关系、事实、键和属性等。

原创 基础数据标准落标白皮书

为了认真的研究这个命题，我们决定调查几个国内落标的典型案例，看看我们能从中学习点什么。调查从总体看思路，细节不符之处在所难免，望读者不吝指出共同完善。1.建设银行落标方法建设银行从2014年新一代项目时，开始大力度的进行彻底的和全方位的数据标准落地工程。建行师从IBM的四层模型法，通过九大银行业概念设计了企业级逻辑模型。依托于此企业级逻辑模型，打造了企业级数据字典。通过设立数据标准处和架构处，进行了流程和规范管制，进行强力度的模型和数据的落标管理。具体请看我画的一个示意图：（建行落标示意图）

原创 数据管理框架以及数据战略制定方法

数据管理专业人员需要考虑从抽象的企业资产中获取价值所固有的挑战、平衡战略和运营目标、特定业务和技术要求、风险和合规性需求，并理解数据所包含的内容以及数据是否高质量。•生命周期管理活动可以从多个方面定义，如计划的角度（风险管理、建模、数据设计、参考数据管理），实现的角度（数据仓库、主数据管理、数据存储和操作、数据集成和互操作、数据开发技术）。第2阶段：一旦组织开始使用应用程序，他们将面临数据质量方面的挑战，但获得更高质量的数据取决于可靠的元数据和一致的数据架构，它们说明了来自不同系统的数据是如何协同工作的。

原创 再谈数据标准落标，论数据模型设计工具

工欲善其事必先利其器。工具是用来提高生产效率，其次才是管理属性。一个工具顺不顺手极大影响生产效率和管理效果。工具用不起来，管理制度也落不下去。管理自说自话，下面各干各的，最终两张皮。Datablau参与某全球知名企业数据治理的早期就是这种情况，数据标准挂墙上，由于工具没人用，数据模型设计还是想怎么设计就怎么设计，所谓模型管控形同虚设。中国传统文化缺少工匠精神，对工匠的尊重度和话语权比较低。企业不愿意为效率工具买单，因为是给底下干活的人用的，体现不出来管理亮点，除非知识产权的法律风险。

原创 2023中国数据建模大赛火热开启中~

转载 数仓命名规范大全

数据仓库的建设实施和落地需要团队中不同成员的参与和配合，需要各种各样 的规范，规范的分层定义和表命名能让使用者轻而易举地明白该表的作用和含义。因此本文档重点介绍分层规范和可落地的表命名规范。

原创 4000字，详解数据管理之简介篇

首先我们来看第一章数据管理内容与我的个人分类之间关系个人觉得框架是很重要的部分，所以将框架拆出来单独记录。1、基本概念（数据、信息和数据资产）关于数据，大多数人都知道它是具有反映客户事实的作用，在信息技术中，数据可以理解为以数字形式存储（电子化）。在当前的大数据时代，数据的容量及增长速度对数据的应用提出挑战，所以我们需要可靠且可扩展的数据管理实践来满足数据的应用。

转载 数据治理：数据血缘关系！

数据血缘是元数据产品的核心能力，但数据血缘是典型的看起来很美好但用起来门槛很高的技术，只要你采买过元数据产品就知道了。这篇文章对数据血缘的特征、价值、用途和方法做了系统阐述：1、特征：归属性、多源性、可追溯及层次性2、价值：数据价值评估、数据质量评估及数据生命周期管理3、用途：合规需求、影响分析和质量问题分析、数据安全和隐私、迁移项目及自服务分析4、方法：自动解析、系统跟踪、机器学习方法及手工的收集。

原创 AI 影响数据管理格局的15种方式

AI、NLP 和机器学习的进步已成为数据管理流程的核心。我们来观察工具供应商他们如何在下面的15个数据管理领域中考虑AI的使用。人工智能渗透到所有技术领域，包括数据管理所需的技术领域。利用AI技术的数据管理领域，包括数据质量、数据分类、数据治理、数据安全、数据集成等。

转载 业务流程的数字化到底是什么？

一个客户需求进来如何让组织动起来，它一定是一种相互作用。这个跟分子作用、原子作用、光学作用一样的原理。这个定义，它颠覆了100年来科学管理的思想——泰勒的合理分工、建立流水线。

原创 陈立节：数字经济时代下的数据资产管理运营

首先“建”，

原创 宾军志：数据管理能力成熟度模型建设历程

4月27日在2023数据治理新实践峰会上，中国电子信息行业联合会数据资产管理专委会秘书长宾军志先生为大家分享了《数据管理能力成熟度模型建设历程》主题演讲。以下为宾军志先生的演讲实录，为了方便阅读，小编做了一些字句修改和文本优化。大家上午好！非常荣幸受邀参加2023数据治理新实践峰会，为大家分享我们在数据管理能力成熟度模型建设和推广过程中的思路和进展。

原创 主动数据安全方法及最佳实践

数据安全的目的是在组织的敏感和关键数据创建、存储、管理和传输过程中对其进行保护。

原创 姜春宇：数据治理五大发展趋势

最后来总结一下，数据治理是数据价值释放的前提条件。数据治理面临五大发展趋势。趋势一：我们国内的方法论已经逐渐形成，通过DCMM评估来去推动整个数据治理体系的建设，尤其是大型企业，利用DCMM来引起上层领导的重视。趋势二：数据治理与数据开发要融合在一起，不能是两张皮，否则整个效能和应用价值会打折扣。DataOps是数据生产模式的创新，各行业均有一定实践，标准化工作正在进行。趋势三：数据资产管理是数据治理2.0阶段，数据估值和价值运营成为数字化转型的“指南针”。

原创 朱金宝：数据治理产品发展趋势及Datablau产品最新动态

在刚刚结束的2023数据治理新实践峰会上，Datablau数语科技联合创始人&CTO朱金宝先生分享了对数据治理产品发展趋势的深度思考及Datablau新产品预览，并在现场发布了两款最新工具。以下是朱金宝先生的演讲实录，为了方便阅读，小编做了一些字句修改和文本优化。大家好，今天我主要聚焦数据治理产品的趋势，向大家介绍过去一两年内Datablau产品的最新进展和新产品发布。

原创 王琤：当数据治理遇上ChatGPT

以ChatGPT为代表的人工智能等技术正在“狂飙”，为全球带来一场翻天覆地的变革。4月27日在2023数据治理新实践峰会上，Datablau数语科技创始人&CEO王琤先生以《数据治理新实践与人工智能》为主题进行了分享，与参会同仁共同探索当数据治理遇上ChatGPT，这一轮AI技术浪潮将会与数据治理发生哪些“化学反应”。以下为王琤先生的演讲实录，为了方便阅读，小编做了一些字句修改和文本优化。今天的主要话题是围绕ChatGPT，是人类历史的一个拐点。

原创 符合业务目标的数据战略建设

我们都知道，战略是通往目的的手段，是企业取得最佳商业成果的方法。处于当今的数字化社会，企业需要满足实现数字化转型及数字社会的需求，提升企业数据资产价值，推动行业甚至社会面的数据流通及数据价值变现。因此企业更需要重视企业的战略部署。数据战略是企业战略下的一部分，在早期数据的重视度不足的情况下，企业战略建设更重视业务战略的建设，在当前数字社会形势下，国家明确将数据要素定义为生产力的重要组成的情形下，企业意识到数据的重要性，也认识到数据治理的重要性以及良好的数据治理将是企业数字化转型的重要保障。

原创 数据治理与数据中台架构

DAMA DMBOK 数据架构与数据治理数据架构及数据模型管理是数据治理体系的重要组成部分。类似于项目管理中的 PMI、PMP，国际上于 1980 年成立了 DAMA（数据资产管理协会）。DAMA 凝集了数百位专家的经验，最终形成业界通用的数据管理框架（DMBOK）。DAMA-DMBOK 数据管理框架（又称为 DAMA 车轮图)，主要由 11 个知识领域构建而成，其中数据架构和数据模型是这套方法论最重要的两个维度。

原创 【无标题】

数据治理新实践峰会 Datablau Forum 2023即将在4月27日正式开幕！峰会以“探索、洞察、演进”为主题，聚焦数据治理行业最新动态和前沿趋势，围绕不同行业、不同规模的企业/机构是如何开展数据治理，并分享实践成果，传递先进的经验和技术手段，与参会嘉宾共同探索数据治理的创新与实践新方法！

原创 数据资产管理建设思考（二）

干货分享~

原创 数据指标体系的建设思考（四）

干货速递

原创 数据指标体系的建设思考（三）

干货分享~

原创 数据指标体系建设思考（二）

干货分享~

原创 数据指标体系建设思考（一）

干货分享~

原创 良好数据管理系统的7个主要特征‍

本文介绍了您可能在组织中使用的不同类型的数据管理系统的一些示例，以及实施数据管理系统时要考虑的关键功能。

原创 正在报名 | 数据架构与数据建模理论与实战workshop·北京站

数据架构与数据建模理论与实战workshop·北京站正式启动啦～

原创 “关键数据元素”（CDE）-如何确定数据治理的优先级

干货速递~

原创 2022中国数据建模大赛火热开启！万元大奖等你来拿！

数据建模大赛报名中....

原创 数据架构最新趋势：Data Fabric 和 Data Mesh （值得收藏）

在我看来，华为今天数据管理的形态与Data Mesh有异曲同工之处。业务部门驱动，流程IT作为赋能部门，以项目制帮助业务线构建数据底座，也有不少数据能力强的业务部门直接就“自给自足”。最终构建了一个个Data Domain & Data Product（业务领域数据产品），以业务线为单位从源端进行数据治理。对于国内大多数企业来讲，距离走上Data Mesh这条路还很长。业务部门对数据重要性的认知，对数据价值的认识，及对保护企业数据资产的意识还很薄弱，更缺乏治理和挖掘数据资产价值的紧迫感。...

原创 数据资产管理与数据安全国内外最新趋势

数据资产管理与数据安全国内外最新趋势