数据中心如何才能全面保证数据质量？
DOIT云计算 12年04月25日 09:30 【转载】 作者：机房360 责任编辑：王振
导读：面对复杂度不断增加的业务数据，如何才能全面保证数据质量?可以借助完备的Informatica数据质量平台，无论何时何地，您都可以在整个企业内访问，甄别、清洗、集成、交付可信的数据……
构建数据质量处理流程
数据质量处理的流程是怎样的呢?我们把数据质量的处理分为两大部分：一是面向数据质量的分析过程，二是针对分析结果进行增强的过程。先要识别和量化 数据质量，然后定义数据质量和目标，接下来就要交给相关部门设计质量提升的流程，其后就是实现质量提升的流程，并交付高质量数据给业务人员使用。同时，在 整个环境中，还需要有相关的一些监控和对比来评估是否达成了目标，决定是否需要进行新一轮的数据质量提升。这是一个周而复始、螺旋上升的过程。
通过Informatica构建数据质量管理主要分为四大部分。首先是Analyze and Profiling，通过对现有数据的详细分析、描绘，来确定怎样进行处理和标准化;第二是StandardiseCleanse，标准化和清洗更容易让 计算机识别，比如数据可以通过什么样的格式进行限制和约束，那些信息可以通过数据质点或者参考数据进行相关的标准化;第三是Match，标准化后要进行相 关的数据匹配，解决数据重复性问题，保证数据的唯一性;第四是Consolidate，将重复的数据进行合并，最后运用到不同的系统当中。需要注意的是， 在整个过程中我们都需要进行相关的监控。
现在，很多企业的数据中心，不仅仅只是一个最单纯的面向数据仓库的数据存储中心，而是既能支持业务运营，又支持系统分析，还可进行系统间的整合。在 数据中心建设中，数据质量需要从数据源端就开始进行治理，包括PowerCenter、Data Quality、MDM Hub、Informatica9在内的Informatica的数据质量工具，可以将所有的业务逻辑和规则变成相关的一些服务，由各个业务前端、各个业 务处理过程中，对数据处理服务进行调用，进行相关的数据校验验和数据清洗，保证数据产生过程中的数据质量，减少事后数据处理的难度和投入。
总的来说，数据质量管理是一个综合的治理过程，不能通过简单的技术手段得意解决，需要从企业的高度加以重视，才能为数据中心建设提供高质量的数据保证。
腾讯微博
新浪微博
