企业大数据整改平台建设方案

想要获取完整版文档，请添加关注，私信交流！

2、项目需求分析 2.1． 2.2.业务系统之间缺乏统一标准。 难以分析系统间数据变化的影响 2.3． 数据质量差，错误检测不及时 2.4。 低数据值 2.5。 业务系统间数据资产分散，共享不畅 2.6，数据安全得不到保障 2.7，管理制度不健全，现有标准执行不力 3软件需求分析与系统设计，数据整改总体方案 3.1，数据整改框架

我司对大数据整改有着深刻的认知和理解，并基于对大数据整改的理解，建立了一整套大数据整改的思维体系，构建了数据整改的实施框架。 具体来说，我们的大数据整改框架如下：

3.2. 数据整改的组织和作用

3.3. 数据整改实施流程

3.4. 解决方案核心应用价值的高效运营

高质量的数据有助于降低IT建设和运维成本，对于各委相关业务系统的安全稳定运行极为重要。

解决数据质量问题

通过数据整改，及时发现、解决和监测数据问题软件需求分析与系统设计，从根本上改善和解决系统数据问题，确保数据可用性和数据质量。

规范与分享

数据整改能否消除数据不一致，提高标准化的数据应用标准，实现广泛的数据共享，并能将数据作为组织在业务、管理和战略决策中的宝贵资产，充分发挥数据的商业价值数据资产。

风险管理

严格的数据安全机制可以降低政府数据风险。

数据过程控制

通过数据整改，打通数据管理的各个环节，实现完整的数据管控流程。

数据管理创新

优化业务流程和资源配置可以提高业务管理能力。

四、治理平台建设方案 4.1． 整体平台架构

我们的大数据整改平台是基于元数据的。 所有模块都没有串联。 每个模块都可以单独使用，也可以与其他模块组合使用。 本平台建设方案可为各类客户提供完善的数据整改方案，平台可在本地或云端使用。

4.2. 平台功能框架

4.3. 元数据管理方案设计

特色设计

面向对象：数据消毒器

价值主张：厘清数据字典，了解数据的来龙去脉。

功能特点：丰富的采集适配器、智能识别关系、丰富的元数据分析和检查的主要功能。

实施过程

功能展示

数据标准管理数据标准分类

数据标准范围 标准制定流程

数据标准工作主要包括制定、实施和维护三个过程。 制定过程包括规划、研究和设计，实施过程包括规划和执行。 具体数据标准制定过程如下：

1.标准规划阶段，从实际出发，结合行业经验，确定数据标准范围，制定实施方案

2、在标准监管阶段，收集国家标准、现行标准、新制度要求标准和行业标准，并进行汇总

3.在标准设计阶段，进行具体数据标准的编制和定义，产生数字标准版本，然后通过权威部门的审核，达成共识。

4、在实施映射阶段，将确定的数据标准与业务系统（新系统或原有系统）进行映射，了解标准与现状的关系。

5、在标准实施阶段，纠正制图实施阶段发现的问题，逐步提升数据质量，逐步使所有数据符合数据标准。

6.随着时间的推移，数据标准也可能发生变化和更新。 权威部门应及时更新数据标准，使数据标准与时俱进。

标准落地策略

平台功能设计

价值主张：建立标准化数据标准并消除跨系统不一致

功能特点：全流程覆盖

面向对象：数据整改人员、业务人员

平台功能展示

综合开发管理方案设计

通过数据集成管理，为企业打造强大、高效、安全的数据处理鞋厂，支持各种数据应用需求。

特色设计

价值主张：人人都是数据仓库工程师

特点：面向数据仓库，组件丰富，混合处理，简单易用

面向对象：BI工程师、数据整治人员

功能展示

功能各异的数据仓库应用组件

在数据处理组件的基础上，封装了数据仓库的一些特征组件。

估计分区

数据脱敏

平台支持常用的脱敏算法：定值置换、数据混淆、数据裁剪、段置换、MD5处理、哈希处理、随机填充、偏移值加密等。

想要获取完整版文档，请添加关注，私信交流！