产品展示

联系我们

Trinity Data Quality


由于企业业务的发展与IT的技术演进都是渐进性的,因此企业服务的计算机化一定是从无到有、由简至繁,逐渐形成众多彼此相关(往往也已建置了某种程度的数据交换)的应用系统。为了将这些分散于各业务中共享的数据保持一致性与完整性,商业智能领域产生了一项重要的应用—主数据管理(MDM,Master Data Management),尤其在多变多样的BigData导入企业分析之后,可预见其角色益趋重要。不论企业投入MDM的程度如何或采用何种方案,数据质量实为其核心议题。

数据质量管理循环

除了MDM需求之外,针对庞杂的外来数据源,于建置BI系统的过程中建立数据质量管理机制也极为重要。TrinityDQ数据质量管理系统可以与TrinityETL整合,藉由「Data Profiling」、「Data Auditing」、「Data Cleansing」、「Data Quality Monitoring」四个模块功能的循环来管理数据质量。

1.数据现况描述 (Data Profiling)

戡定数据的样貌,了解数据需求以及取得方式、分析信息的环境、评估数据的质量与其影响层面。


2.数据稽核 (Data Auditing) 根据设定的数据规则,对数据进行稽核,列出不符合规则的比例及分布;针对不符数据规则的数据,调查其原因、发展改善计划。


3.数据清理 (Data Cleansing) 清理现有数据中的问题,以ETL程序依预定方式过滤、更正之;或作例外处理,如交由数据拥有者决定清理方式。


4.数据质量持续监控 (Data Quality Monitoring) 设计控制机制,持续监控数据质量是否有落差,并定期做出资料的健康状况报告。透过监控仪表板,可快速而清楚的掌握目前的数据质量状况,以作为调整数据质量维护策略的依据。