没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
大 数 据 治 理 方 案
一. 大数据现状
二. 大数据治理方案
三. 大数据案例解析
一.大数据现状
7, 39%
11, 61%
所涉及行业:
政府、公安、政法、人社、审
计、水务、医疗、 教育、电力、
保险、银行等。
没有数据
因为业务系统没有对数据加以保存,或者因
为行政原因不能开放,即使上了大数据平台,
那也只是有了“壳”而并不能发挥大数据的
作用和价值。
数据采集影响源端业务系统
大多数厂商通过各种开源工具从业务系统抽
取数据,侵入式的工具不但影响了源端业务
系统的正常使用,而且稳定性极差,经常出
现各种丢数据的情况。人员消耗大,服务成
本高,不仅没有发挥大数据的价值,而且变
成一种负担。
缺乏数据治理、不准确、周期长
缺乏数据治理,对数据中存在的数据缺失、
数据散乱、数据不一致,元数据频繁变更,
元数据类型多样的问题并没有真正的处理和
解决,即使有了大数据平台其分析结果也不
准确。导致错误的决策,大数据分析失去可
信度。
智能应用并不智能
通过对大数据与人工智能的营销,声称可以
通过机器学习和深度学习的算法等,开发各
种类型的智能应用,然而这些智能应用因为
数据缺失、数据不准确并不能真正的落地,
最后变成一个”噱头”。
数据孤岛,信息不一致,数据难以整合
由于在不同时期、应用不同技术、与不同厂商合作,建设了不同规
模的业务应用系统,导致大量数据孤岛问题,系统间信息不一致且
难以整合,希望通过数据治理和大数据的建设对数据加以融合,解
决数据中存在的各种问题并让各系统间数据能够互联互通。
Demo≠结果,可视化≠大数据分析
只关注到数据可视化中数据展示的效果,并以Demo和数据展示的
效果来作为依据判断大数据建设的预期效果,忽略了数据采集、数
据治理、数据存储和数据计算的重要性。
大数据建设现状:周期长(问题、协调……)
2018
Data Governance
数据缺、散、乱
数据不规整,存在数据缺失、
散乱的情况
数据多源异构
业务系统众多,数据往往来自
几十个不同品牌的业务系统
元数据类型多样
元数据类型多样,缺乏标准统
一的元数据存储
元数据频繁变更
各主题业务系统间数据
变更后无法快速进行数
据统一
缺乏业务词汇标准
缺乏贴合行业的专业业务
词汇标准
数据不一致
由于录入或其他问题造
成的数据不一致情况
数据治理:面临的挑战
剩余65页未读,继续阅读
资源评论
九层之台起于累土
- 粉丝: 373
- 资源: 1449
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功