元数据管理与数据质量平台

元数据管理与数据质量平台数据质量咨询题一直是困扰数据仓库发挥主动作用的重要因素，在数据仓库建设之初就应当从战略角度对数据质量体系进行规划。数据质量基础定义完整性数据的完整性：为实现业务目的而 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 组织的数据模型是否完全，是否覆盖各个方面。例如：对一个业务，一个客户，一个产品，一个营销活动，一个客户的性质等进行缺失考察。例如，客户名称有姓无名等，客户档案是否齐全，是否客户所有业务都包含在内等。完整性破缺要紧发生在实体或对象的属性上和整个数据缺失两种情形。完整性列表：数据完整性，例如属性数据是否残缺，数值类型数据是否有空数据业务完整性，例如是否有些业务没有包含在内，是否涵盖所有生产系统和必要的外部数据（例如竞争数据，保监会数据），是否覆盖所有客户（例如是否覆盖全部客户）设计完备性，设计是否完善模型的完备性数据字典完备性映射关系完备性业务规则是否完备元数据完备性加工层次完整性，加工过程中重要的中间数据是否储存，例如，有月统计数据,考察日数据是否存在？粒度完整性，重要经营指标各个粒度数据应该完善有效性指数据包含了一个有效的数据格式或值一致性数据的一致性是一个长期的困难。建立数据仓库的核心目的之一也是争取解决那个咨询题。一致性定义为各个系统数据的统一，定义为数据仓库系统内数据定义的统一。一致性还表现在定义和口径的一致性。数据库一致性，设计上是否有多种储备并存，各类统计口径是否统一冗余和星型模型以及非第三范式一致性保证措施和源数据一致性唯独性唯独性定义为系统数据定义的唯独性。由于数据仓库技术不一定受第三范式约束，可能具有相当的冗余，但数据冗余不能违反定义的唯独性原则。关于哪些既存在于关系数据库又在多维数据库中表现的数据和指标要专门注意，因为极容易由于生成的时刻差造成不一致。唯独性至少应当向系统的用户讲明最终的数据评判 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 ，数据的冗余和评判应当是元数据治理的重要内容。正确性数据正确是决策的关键，数据不正确，数据仓库项目就等于失败。但数据的正确性难以通过自身检查。应该对重要数据和重要统计设置正确性检查。要紧方法是：数据自身统计检验纵向对比检验数据间按逻辑交叉检验横向对比校验要紧检查的内容：ETL过程正确性加工过程正确性数据整合正确性模型正确性展现正确性查询正确性核对过程是否充分准确性数据的正确性基础上才有意义讨论准确性。准确性包括精度和近似规则。精度：系统定义的数据必须满足的精确性要求。例如，客户生日，能够精确到年，或月，或日；全局收入统计或许到万元即可，也许到角分。可用性数据的可用性不是一个简单数据质量咨询题，而是系统质量咨询题，所有质量因素都可能阻碍到可用性。数据的可用性要紧体现在使用的效率上时效性清晰性数据的清晰性考查系统元数据的精度。元数据必须清晰定义每一个数据的来龙去脉。必须没有歧义。充足性数据的充足性定义在保证数据正确性和准确性基础上是否能对要紧业务专题提供足够的数据进行足够精度的分析需求。例如，进行时刻序列分5积存是否足够广泛设收集到了每项数/析通常保能数据质韋框架图6个连续时刻单位的数据否足够时刻数据y|v：F丰弋=：行一，程的营理^数据和字典数据的充足墙送部门、顶目组N间在J的沟通配合供那个要据口J量.建立数据验证和稽核机制，及时发现数据存在的质童问题时乂刻长度的毘组织架z构・有效管琨企业数z幄并进行数据需求管理和实现够多，的专门情形，是否收集了足够务领域，但系统集构和技术的实现/提仗垂更的基础环境保障战略战略-从企业战略方向主动的考虑数据质量状况。战略的意义：提供了战略上的、可操作的数据质量保证方向识不企业数据的关键因素指明数据质量的范畴战略的范畴：策略：包含以下方面的内容，任务定义与业务的关系切入点约束条件可行性关键方法：包含以下方面，方向使 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 化保证策略被顺利执行的手段变更治理：为了适应企业变更而采取相应的数据质量治理变更机制组织组织-为了达成企业的数据质量目标，从企业行政治理以及职能设置上进行考虑。组织指的是如何组织相应的人员、设置相应的数据质量机构对数据质量进行治理，包含以下方面：组织机构规划人员及其职责设计制定考核制度治理治理-关于企业中元数据以及业务规则的爱护上予以治理治理包含以下范畴：定义完整的元数据集定义无二义性、易于明白得的业务规则建立一个健壮的、高可扩展的数据模型架构架构-从整体上（数据、应用程序、技术架构）对改进数据质量予以考虑架构的建立应从以下方面进行考虑：数据架构应用程序架构基础架构过程过程-过程的改进过程关注的是数据质量治理的过程，应从以下方面进行考虑：数据质量治理的实施过程过程操纵点以及操纵路线（错误或专门的）补救措施验证验证-定义数据质量的评测标准并按所制定的标准对其进行验证,只有确立相应标准，数据质量的操纵才具有现实意义。验证包含以下内容：数据的重要程度，能够从以下方面进行判定：对日常操作的阻碍对一样业务的阻碍对财务上的阻碍对客户服务的阻碍对决策的阻碍数据质量维度--数据质量咨询题域汇总序号数据质量咨询题细目备注1完备性是否涵盖所有生产系统和必要的外部数据是否涵盖所有业务是否覆盖所有客户是否覆盖所有产品系统设计完备性数据字典完备性映射关系完备性业务规则是否完备兀数据完备性2完整性数据完整性业务完整性数据模型完整性加工层次完整性粒度完整性3充足性对咨询题域的解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 是否有足够的数据作为分析基础数据积存是否足够广泛数据积存是否足够时刻元数据和字典数据的充足性4正确性ETL过程正确性加工过程正确性数据整合正确性模型正确性展现正确性查询正确性核对过程是否充分5准确性数据精度是否足够近似模型是什么6一致性数据库一致性主键，外键完整性冗余和星型模型以及非第三范式一致性保证措施和源数据一致性7逻辑性逻辑严密性是否有严密的逻辑约束数据逻辑关系表内表间关系8职业道德和法律结果不可修改特性数据岀错处理和防范预案9数据质量保证体系10分析质量报表质量查询质量接口数据质量非生产数据质量例如市场竞争数据决定发起据质中的职员、凤酎估并制定相应Kftnsufe了瞬当前魏剧&jirm定义定次焦点优竦II评怙注使用数据信息的有关责任者之间的沟通，要充分关注数及同的团体以淸洗改进-A评测单位之间的相互沟通数据质量连续改进过程发起-按照制定的规范猎取相应的项目资源、支撑工具以及制定工作打算。定义-定义详细的过程、数据、组织的划分以及质量元素、标准及测算方法。评估-对现存数据及业务环境进行评估，以便识不项目对数据、过程、系统以及组织架构所造成的阻碍。清洗/改进/评测-改进现有数据的数据质量，并采取措施修改业务环境，幸免类似错误连续发生。强调循环改进元数据治理架构国有资产治理支持系统数据仓库数据源广泛，数据消费者群体跨度也专门广，各种指标、维度、统计口径等元数据有关的咨询题必定是项目面临的庞大挑战之一。元数据差不多概念元数据(MetaData)是关于数据的数据。当人们描述现实世界的现象时，就会产生抽象信息，这些抽象信息便能够看作是元数据；元数据要紧用来描述数据的上下文信息。通俗的来讲，假若图书馆的每本书中的内容是数据的话，那么找到每本书的索引则是元数据。元数据之因此有其它方法无法比拟的优势，就在于它能够关心人们更好的明白得数据，发觉和描述数据的来龙去脉，专门是那些立即要从OLTP系统上升到DW/BI体系建设的企业，元数据能够帮他们形成清晰直观的数据流图。元数据的概念尽管在国内刚刚被人们熟悉起来，但在国外他差不多历了较长的进展历史。从上世纪60年代，人们认识到元数据的需要，到数据字典、CASE工具的应用，以及上世纪90年代数据仓库体系中元数据储备库的显现，直到现时期国外企业以元数据为驱动的IT系统建设的方法论流行。企业关于元数据的价值越来越有深刻的体会。元数据按其描述对象的不同能够分三大类:技术元数据、业务元数据和治理元数据。技术元数据要紧用是用来描述数据实体和数据处理过程中的技术细节和处理规则。例如我们所熟知的表结构、ETL映射关系等，这类元数据要紧是系统建设的技术人员使用。业务元数据要紧是对IT系统的数据实体和数据处理的业务化描述，包括业务规则、业务术语、统计口径、信息分类等。我们经常提及的KPI定义和报表统计规则等就属于此类元数据。业务元数据要紧的使用者是业务人员和公司决策人员。治理类元数据要紧是对项目治理、IT运维、IT资源设备等有关信息的描述。这类元数据要紧是企业IT部门的治理人员使用。利用此类元数据能够进行工作分配、网络资源等方面的治理。元数据的治理方式有三种:集中式、分布式和混合式。集中式的治理方式是把原有系统中的元数据抽取出来，用一个独立的系统来集中治理。此类治理方式优点是:可高效存取信息、独立于被集成的系统和具备储备附加元数据的能力;缺点是:由于额外的执行和爱护降低了ROI和实时性。分布式治理方式是不具备独立的元数据储备库，系统实时的连接到原有的系统。这种方式的优点是:适时性比较好和能保证元数据的质量;缺点是:过度依靠于集成系统和不能储备附加元数据。混合式元数据治理既有独立的元数据储备库又可实时的连接到原有的系统。混合式治理方式克服了集中式和分布式治理的各自缺点，同时集成了前两种治理方式的优点，既能适时的捕捉和反映原有系统元数据的情形，又能让用户扩展和定义附加的元数据。元数据治理目前遵循的规范为CWM(CommonWarehouseModel)。该规范是由OMG组织制定的，此规范目的是能在不同的系统之中能够自由、便利的交换元数据。CWM核心的技术有三个:UML(UnitedModelingLanguage)、MOF(MetadataObjectFacility)和XMI(XMLMetadataInterchange)。UML要紧用来定义元模型；MOF用来提供操作元数据接口；XMI用来定义交换元数据的机制。元数据治理的五种状态第一级:随机状态(Ad-hoc)行为特点在这一级上，对元数据的治理是随机的。元数据由某个人或某一组人员在局部产生或猎取，并在局部使用。在大多数时刻里，元数据是隐匿在信息中，例如储备于诸如Word、Excel等形式的办公文档，这些文档使用的术语仅局部的用户能明白其确切含义。人们通过与“责任人”直截了当通信或通过信息会话来猎取这些知识。在局部环境工作数月或数年后，人们使这些元数据以及对它的明白得内在化，使对这种信息有适应性的明白得。在这一时期，元数据通过组织机构缓慢的传播或全然不传播，这取决于局部小组与其他小组间的通信量的大小，这些元数据可能永久“待”在该局部小组或某个人那儿。如果如此的小组或个人调离，则这种元数据信息可能永久丢失。人元数据知识保留在人的大脑中。在这种环境中，明白(或不明白)与谁交谈关于明白得元数据成为一件十分重要的事。处理元数据要通过与“责任人”的交谈才能共享。新来者需要通过他们的日常工作来学习元数据。外部人员难以明白得元数据，他们必须与“责任人”交谈才能得到他们想要的东西。因为元数据在局部产生或抓取并在局部使用，因此通常也只能在局部修改，这种修改通常也可不能通知公司里其他的组织。技术能够用各种不同的工具来生成元数据。绝大部分是面向个人电脑的应用软件。例如，ERWin可用于数据库建模，Rational用于为对象建模、Excel用于生成商品列表等。这些工具都没有设计成能够交换信息，因此，只能在当地的文件系统中储存所生成的元数据。第二级:可发觉行为特点在元数据治理的这一级上，能够发觉在不同企业之间的元数据。像第一级的情形一样，元数据仍旧在局部产生和抓取，然而，它处于可发觉状态，如此的元数据在企业一级显露，使得每一个对它有爱好的人都能随时了解“什么差不多存在”。元数据仍旧能够在局部级上爱护，然后更新中央知识库，但它们仍旧使用不同的命名法。结果，相同的名字被用于表示意义不同的情况，而同一件情况则使用了几个不同的名字。尽管如此，相比之下，从不同来源来的数据和数据的含义差不多具有了更多的透亮度。关于商业用户，如果他们需要，现存的技术可为他们提供有关数据的来源和如何样对数据进行运算的信息。人人们开始感知到共享元数据信息的重要性。业务分析员、数据拥有者和应用开发者现在自觉地将元数据信息加载到中央知识库中。处理元数据知识经由中央数据库进行共享。凭借对中央知识库地明白得，人们能够发觉在其他应用系统中的数据。然而，由于使用术语的不同，人们互相之间需要交流，以便弄清某些元数据的含义。而且，由于元数据的更新不受任何方式的操纵，使得这种更新没有告示或贴切的分析。技术有一些元数据治理工具可用于共享来自数据源的元数据，并能把来自不同建模工具的逻辑元数据导入到元数据知识库中。AGRochade、Unicon、MetaMatrix是该类产品的一些例子。然而，除了以商业含义来定义数据表格的栏目名之外，这些工具没有一个能专门好地抓取元数据。第三级:治理操纵行为特点这一级对元数据的修改进行集中治理。局部业务单元或开发小组如不通知其他的元数据保管者和用户，就不再能按照自己的方法对元数据进行修改。在一个地点发起的元数据的修改将传播给其他地点。有各种工具和方法可用于不同业务单元之间交换元数据。为了整合不同数据源中的数据，仍旧必须用手工进行数据的映射，以解决不同数据源的数据整合。然而，这种映射在一个中央知识库上进行爱护和治理。人数据拥有者、应用开发人员、用户和其他的数据储存者现在比以往任何时候更清晰元数据治理的重要性。人们遵循有关元数据治理的“监督”处理操作规程。在对元数据进行修改前，他们就分析这种修改将会产生的阻碍。他们认识到元数据的共享将使组织的运作更有效，并使他们的生活更轻松。处理建立了监督体系结构（谁是数据和应用的拥有者），监督资产（数据仓库、数据集市、命名标准）和流程（何时开始更新、如何更新）。技术有几个工具经常被用于元数据的监督处理。SchemaLogic是一种新兴的工具，通常被用于关心监督处理发觉业务的词汇及其分类。还有一些软件提供商正在相互竞争，以填补这一空间，但还没有一家能提供商用的产品。第四级:优化行为特点在对元数据实施集中储备并通过监督 体制 财务管理体制半导体制程半导体制造半导体制造工艺基础半导体制造工艺流程 对元数据进行治理后，企业会发觉，通过标准化和整合能够实施有意义的优化。为了优化各业务单元之间的各种冲突和各个副本，人们开发了一个企业数据模型和词汇表。人们能够将这些标准模型和词汇表用于各种新的应用。时机成熟时，能够把各种老的应用迁移到这些模型上。人在这一级，人们坚持不懈地探究优化的途径。人们协同工作，通过在数据的入口点确认数据的有效性来提升数据的质量。通过确定各业务实体的权威数据源，使数据的映射达到最小化。数据开始从一个业务单元平滑地流到另一个业务单元，而不用担忧昂贵的数据集成成本。处理第一，生成企业数据模型，并在中央知识库进行爱护。第二，对数据模型中定义的每一个实体确定权威数据源或企业应用的主参照数据，然后将业务的上下文信息和含义与这些数据源进行关联。在整个组织中对业务的词汇表进行标准化。鼓舞应用开发小组使用这些标准化的术语，来生成、传播和表示信息。技术目前，仅有少数几个能关心企业实施优化的工具。而且，每一个工具只能完成其中一到两个任务，还没有哪个工具能做企业优化所需的所有情况。第五级:自动化行为特点在这一级，元数据治理是自动进行的。当在逻辑层次发生元数据更新时，它们将被传播到物理层次。反之，当在物理层次发生更新时，逻辑层次将被更新，以反映这种更新。在元数据中的任何变化也将触发业务工作流，以处理其他各个业务系统所需的相对应的任何修改。由于各个应用系统遵照相同的词汇表，它们之间的关系可以通过知识本体进行推断，因此，各应用系统之间数据格式的映射自动产生。人人们把元数据治理作为常规业务的组成部分。就像电信网对业务的支持一样，元数据成为组织运作中一种关键的、普遍存在的、无形的资产。元数据治理变成业务处理的一个要紧组成部分，而且，整个业务运作都要依靠于它。事实上，如果元数据治理实施得专门好，人们能够无需关怀它在何处。在自动化级，元数据治理成为一种使能器，而不被视为一种障碍处理在这一级，元数据治理的处理较为理想。绝大多数处理是自动完成的。人们从手工和程序处理过程中解放出来。他们在元数据判定上能够工作得更有效。当业务变化时，由知识工人对企业数据模型、词汇表和知识本体进行爱护。如此一种改变赶忙会在各个应用中反映出来。例如，如果一个新产品被引进，把它加到企业词汇表和知识本体中，这一情形将自动地被传播给金融系统、制造业系统和营销系统。使得每个应用系统无需花费昂贵的代价，去完成相应的修改。技术各个应用必须使用企业数据模型、词汇表和知识本体来猎取、传播和表示数据。人们开发了各种代理，将数据从一种格式翻译成另一种格式。为了实现这些功能，当前正在展开知识库表示和知识集成方面的许多研究。元数据治理工具差不多功能元数据治理典型的应用有:ETL映射分析、血统分析/阻碍分析和差异分析等。这些应用关于整个企业、技术人员、业务人员和IT治理人员都的挥着至关重要的作用。关于整个企业而言，元数据治理能够协助企业进行数据资产治理;关心解决数据孤岛的现象，形成统一企业信息地图;实现集中扫瞄分布在企业内部的所有电子文档;同时协助企业建立企业级视图的指标库。随着企业信息化建设的持续深入和积存，元数据治理平台能够发挥企业知识传承的平台。通过元数据的“ETL映射分析”功能，从企业级视图去查看“Transformer”那个转换的具体细节。关心技术人员更好的明白得数据内部的来龙去脉。关于那些差不多建设有BI/DW系统的企业而言，企业内部分散着数十种系统的情形是专门普遍的现象。这些企业的业务人员和决策层所关注的一些统计报表和指标，往往是通过许多业务系统和若干数据处理环节而形成的。当最末端的数据发生专门时，在没有元数据治理系统的情形下，需要许多单位和部门（包括软件集成商）的人共同参与，利用手工的方式去逐级查找数据出错的缘故。这种方式不仅不利于咨询题的及时发觉，而且一旦显现咨询题，专门难短时刻内定位咨询题，甚至全然不可能定位咨询题的所在。而利用元数据治理系统的血统分析等功能，能够专门容易的定位咨询题，再配合监控规则的设置，使咨询题发觉的及时性大大提升。利用元数据治理系统，企业能够建立数据元（标准）的统一视图。通过统一数据口径、完善指标体系、建立统一数据视图，可确保数据的完整性、准确性、一致性，从而有效的在各个业务系统内进行数据的转换和整理工作。目前，许多企业经常会面临同一个指标在不同部门或者不同系统中定义不一致的情形，以至于最终的统计数据显现偏差，为决策者提供了错误的决策依据。如某企业某月A省分公司和B省分公司都给总公司上报了“产品销售量”的指标，A省分公司的产品销售量为500万件，B省分公司的产品销售量为300万件。按常识判定A省分公司的销售量应该远远小于B省分公司的销售量，但报表的数据却与常识相差甚远，怎么讲是什么缘故造成这种与常识的不一致性呢？在没有元数据治理系统时，我们专门难发觉其中的缘故，但有了元数据治理系统的指标差异分析等功能，通过元数据的差异分析专门容易讲明这些现象。如图5所示:之因此显现统计的专门是由于A、B两省分公司对同一指标“产品销售量”的定义不一致而造成的。此外，元数据治理系统可在统一数据视图上进行全行业内的指标一致性分析，可对关键业务的监控规则进行设置和治理。随着数据量的持续积存，数据质量咨询题的日益突出，元数据治理平台可承担起全企业的数据质量治理的基础平台。同时，利用需求类元数据和流程类元数据，来协助IT治理人员进行项目和流程的治理，从而减少企业人员流淌关于项目造成的阻碍。在那个“惟一不变的确实是变化本身”的时代，在那个数据和知识爆炸的时代，如何有效的进行企业IT系统建设的扬弃和传承？如何高效的利用企业数据资产？这些咨询题犹如“格尔迪奥斯绳结”摆在我们的面前，而元数据恰是解开那个“结”的关键所在。关于企业IT系统建设而言，我们依旧信奉“元数据不是万能的，但没有元数据是万万不能的”这句经典诠释。专门是关于那些组织结构复杂、IT系统众多的企业，那个组织和支撑它的IT系统要想有效运转起来，一定少不了元数据这种“润滑剂”。目前主流的元数据治理工具总起来看，目前国内的元数据治理工具大致有三类。一是像IBM、CA等公司都提供的专门工具,例如IBM收购Ascential得到的Metastage，CA的DecisionBase差不多上如此；二是像DAG的Metacenter,它不依靠于某项BI产品，是一种第三方的元数据治理工具,三是国内部门开发商在某些具体的项目中也在开发自己的元数据治理工具。各种元数据治理工具有专门多。理论上讲，用户能够用其中一种治理其他系统中的数据，例如选择数据仓库系统厂商提供的元数据治理工具来治理其他层面的元数据。但实际应用中的治理成效如何呢？一样情形是，这些专门工具治理自己本系统的元数据尚可，一旦跨系统治理，成效就不尽如人意了。从国内的实际应用来看，DAG的Metacenter这一工具使用最多，目前所看到的在电信、金融领域建设的元数据治理项目差不多上差不多上应用了这一产品。至于像CA等公司的工具，在国内差不多上没有成功案例。国有资产治理支持系统元数据治理架构现状尽管元数据治理差不多专门久被业界所关注，然而大多数企业的元数据治理事实上依旧处在一个纷乱的状态中,元数据没有被有效的纪录下来，大量的元数据嵌入在软件应用编码中，甚至更多的存在于职员的“部落知识”中，某个职员的离职都可能对企业造成极其糟糕的阻碍。正如我们在元数据治理的五种状态的第一级状态所描述：人元数据知识保留在人的大脑中。在这种环境中，明白（或不明白）与谁交谈关于明白得元数据成为一件十分重要的事。处理元数据要通过与“责任人”的交谈才能共享。新来者需要通过他们的日常工作来学习元数据。外部人员难以明白得元数据，他们必须与“责任人”交谈才能得到他们想要的东西。因为元数据在局部产生或抓取并在局部使用，因此通常也只能在局部修改，这种修改通常也可不能通知公司里其他的组织。技术能够用各种不同的工具来生成元数据。绝大部分是面向个人电脑的应用软件。例如，ERWin可用于数据库建模，Rational用于为对象建模、Excel用于生成商品列表等。这些工具都没有设计成能够交换信息，因此，只能在当地的文件系统中储存所生成的元数据。要紧的障碍元数据治理咨询题是业界头痛已久的一个咨询题，目前看似还没有专门好的解决方案，国内已知的元数据治理工具和已知的元数据治理项目都能够讲是成效一样。其关键的难点在于：是改进尤数需管理的关・另一个方面，更大的f的困难专门几乎能够的因素多关于:数据的知识存由|显化不是一h旳thir：一个长期的过程。解决方案1uP.?+!-il-蚪+咫构＜位11R击，证元數据包括讥靳怦理一方面工具本身的缺陷，目前已知的工具几乎都只能支持与几种有限的工具平台交互，不能将企业环境中的所有的元数据集成治理，事实上往是一个治理的恪其放成功的关键因素元数据治理成功的关键因素是：战略层支持和涉入战略执行保证有效的沟通保证战略有效执行的组织架构有效的元数据治理有效的过程保证元数据架构体系元数据验证评估体系与评估机制元数据治理技术元数据治理环境战略层支持和涉入企业的高层和经理们必须支持元数据治理。同样重要的是，所有潜在的消费者必须参与到元数据治理中。没有治理层的支持和近乎全部的投入,用于整个企业的元数据治理项目通常就会失败。企业的高层和经理们必须完全支持元数据治理和使用。支持包括确保有充足的资源，也意味着对实现元数据治理环境的一贯承诺，该环境是企业衡量和决定支持数据的唯独来源。元数据治理和使用通常需要庞大的“文化”变革。在没有治理承诺的情形下这可不能发生。治理内部变革，专门是文化变革，需要三种东西：治理承诺、一致通过和恰当的措施和奖励。治理承诺高层和经理们必须一直承诺让企业进行所要发生的任何情况，包括变革。只有企业领导人才能保证有可用的、阻碍变革的、必要的资源。一贯承诺意味着变革会变为企业领导连续、明显地支持的企业的战略和目标。领导支持是变革获得一致批准的要紧因素。一致通过只有当有关人员批准变革时，变革才能够成功。他们必须了解变革的需要，同意变革是正确的，同时相信变革对企业和他们自己差不多上有好处的。PeterSenge在他的书“第五项修炼”里描述了为了实施系统变革而需要做出的一致通过，他讲，“人们想改变，而不想被改变。”措施和奖励让每个人都期望变革是专门难的。需要一定水平和程度的沟通和合作，而这在大部分企业里这种情形并不常见。保持一致通过甚至更难。确保恰当地准确地衡量变革的过程和结果，并在全企业沟通，这是取得并保持一致通过的最好方法。必须得奖励好的成果和变革行为，同时，那些未改变的行为和坏的结果不应该受到奖励。如果员工坚持旧的操作方式，然而仍旧受到奖励的话，他们就可不能改变了。所有元数据的潜在消费者，包括高层和那些来自于每个组织单元和级不的人们一定要主动参与到元数据治理当中。元数据消费者对元数据的同意有最大的阻碍，因此专门有必要阐述他们的需要。他们也是操作数据的“所有者”和“治理员”，因此他们是主题专家意见的最好来源。业务需求不第一判定战略业务的需求就开发元数据治理环境是一定会失败的。这些需求的最好来源是企业战略规划和规划中确定的执行措施，这些是元数据治理结构体系和环境设计的基础（其他成功的关键因素会在本文的后面部分讲到）。没有第一决定战略业务和信息需求，一个企业就不应该建立元数据治理。战略规划战略打算概述了一个企业的使命和目的、目标、战略和执行措施（业务需求）。如果正确使用战略打算，它确实是那些经理们用来有效地引导他们的组织、确保企业成功的工具。一个企业的战略打算不仅仅提供了有效治理的指导，也提供了内部变革的导向力，为响应外部变革提供指导方针。企业通过战略规划过程，定义并记录企业意图、目的和目标以及实现它们所采取的战略。其中也包含对外部机遇和威逼的评估，以及对内部优劣势的评估。最有用的战略打确实是多维的，它整合了企业的整体规划，包含了每个企业要素的附属打算，包括每个关键成果的衡量措施。执行措施制定正确的执行措施是成功企业治理的所在。一个企业必须能够辨论过程是否按关键目标制定，是否符合股东期望。最有效和有用的执行措施是跨职能的、同恰当的战略、目标和执行标准相联系的。治理的目标和措施的极限经常建立在外部基准的基础上，形成了一个企业的绩效衡量系统结构。执行衡量文件应该包括不仅仅报告和查询的内容，还要记录从来源到最终信息接收的数据路径。所有执行衡量的全部报告结合在一起组成了数据仓库的基础和满足企业要求的真正特制的战略信息系统。高层和经理们使用从数据仓库产生的信息来提升主动性、奖励好的行为和改变战略。职员用它们来调整操作，对战略需求做出反应。连接特定目标的及时精确的措施开始使企业治理变得更像是一门科学，而不是一门艺术。所有企业业务规则和执行要素差不多上各种各样的企业元数据。正是这些重要的元数据常常没被治理起来。元数据结构体系元数据治理取得成功的关键在于企业的元数据结构体系，它能反映一个企业的执行衡量和业务需求情形。它的数据模型和元数据结构应该都建立在战略和战术信息需求的基础上-而不是某些特定的技术的基础上。企业数据模型一个企业数据模型记录了一些数据要素，他们的值在任何点上任何时刻对告诉数据消费者企业的执行效能来讲是必须的。数据模型对每个关键数据实体都作了清晰、明确的定义，描述了每个使用方法，并定义了推导公式、聚合种类和刷新时刻间隔。和企业信息结构体系连接在一起的数据模型不仅仅成为需求文件，也成为将企业元数据同它的消费者和开发者之间沟通的来源。数据模型必须要讲明的咨询题包括要使用什么样的元数据来源来填充元数据环境、元数据应该如何从继承环境里转移出来、以及如何集成或者变换元数据要素以保证元数据的质量和完整性。任何一个企业元数据治理环境里最重要的两个咨询题是元数据的质量和访咨询。元数据结构元数据治理环境可能会有专门多结构中的其中一种，实施特定的元数据结构时必须要阐述的要紧咨询题涉及到元数据的分配和复制。这些咨询题包括：有多少元数据以及多久？从哪里来？单向依旧双向更新？谁需要它？他们需要什么格式的数据？什么时候需要？元数据质量元数据治理成功的单一的、最要紧的因素是企业元数据的质量。专门明显，企业元数据必须有尽可能高的质量，必须精确、关联度高、完整、简练，必须及时、通用，可以用清晰、能够被明白得的方式表达。一个包含可信企业元数据的元数据环境变为一个颇有价值的企业资源，为所有组织级不的决策者们提供资源。如果消费者发觉元数据不行，那元数据治理确实是失败的。更糟糕的是，如果元数据不行，而消费者又从来都发觉不了，仍旧以糟糕的元数据为基础来做决定，那么整个企业就有可能失败。元数据治理技术只有在元数据结构体系被定义之后，一个企业才能开始选择并执行它的元数据治理技术。否则，技术不支持企业需求的可能性就专门高。另外，如果企业元数据方案是为某个特定技术设计的，当需要按照需求的变化和技术的进步和成熟来革新技术时，即使是可能的，也将会专门困难。一个企业的元数据治理环境只能够用一种企业级的、工业级的元数据治理技术来支持。该技术应该有以下特点：高性能、高容量可升级、适应性强可延伸安全能基于网络跨平台的能够从许多来源里导入/导出能够按照需要导入/导出定制的用户界面元数据治理环境最容易被忽视的成功的关键因素是阻碍最大的那个因素。为了一直保持高质量的元数据，企业必须拥有使用最好的操作和技术的环境。该环境的要素包括项目、方法论、工具、技巧和知识。项目组。除了一贯的治理承诺、支持和数据仓库消费者涉入之外，还有一个关键的因素：企业文化因素。实际治理企业元数据的项目组必须有一定的特点。他们必须明白得战略信息和元数据的重要性，必须能够分析并用商业语言记录业务需求，必须致力于元数据治理，有充足的资源，实行有效的项目治理。每个项目组成员都必须有相应的技巧、知识和体会（看下文），专门熟悉企业进展方法论，同时能够有效地使用企业元数据治理工具包。方法论。一贯严格开发高质量信息系统的企业使用的是完整生命周期进展方法论。该方法论以有关的步骤的先后顺序为特点，这些步骤从决定业务需求开始，并据此进行系统的设计、开发和实施。建立了工业标准的软件开发能力成熟型模型（SW-CMM）的软件工程研究所（SEI）声明，为了进展成为有效的软件开发商，绝对需要一个方法论。使用战略驱动、以客户为导向、以信息为中心、基于模型的、专业的、严格的、可重复的方法论关于成功的元数据治理也是必须的。工具。企业元数据太复杂，数量庞大，无法用手工方法开发。有许多对元数据治理有用的工具，包括建模工具、知识库和第4代或第5代编程语言。把这些工具结合起来使用对快速有效地开发和爱护元数据治理环境来讲是必要的。一个企业使用的专用的工具包将取决于元数据治理的需求。然而，不管使用的是哪种工具，让这些工具共同工作，同时把他们用在企业所选的技术环境里是专门重要的。技巧和知识。要高效地治理企业元数据需要一套专业的技巧和知识，她们包括使用建模工具和系统集成的体会，专门强的技术背景-强调操作系统、数据库、决策支持工具、消费者界面和客户端/服务器，数据建模理论的高层次上明白得，专门强的沟通交流（口头和书面）技巧，以及和组织里从办公室工作人员到CEO（首席执行官）的每个人的互动能力。这些必要的技巧和知识能够通过雇佣体会丰富的顾咨询或培训企业内部职员来获得。对顾咨询来讲，最有效的方法是在关心内部职员把握熟练的技术的同时开始开发，如此企业最终会自给自足。元数据治理和其他IT功能不同，它的范畴更广、可视性更强、消费群体更大、也更容易失败。在开始一个元数据治理项目之前，企业应该评估是否差不多对本文描述的成功的关键因素做了充分的阐述。