认识达内从这里开始

数据管理和数据质量优化都是我们在学习大数据技术应用的时候需要重点掌握的一些大数据技术知识，下面我们就通过案例分析来简单了解一下，大数据数据标准管理问题分析。

1、数据标准管理

大数据的标准体系框架共由7个类别的标准组成，分别为基础标准、数据标准、技术标准、平台和工具标准、管理标准、安全和隐私标准及行业应用标准。

数据标准是对数据的表达、格式及定义的一致约定，包含数据业务属性、技术属性和管理属性的统一定义;数据标准的目的是使组织内外部使用和交换的数据是一致的、准确的。通常可分为业务术语标准，参考数据和主数据标准，数据元标准，指标数据标准。

业务术语是被批准、管理的业务概念定义的描述，需要通过流程来定义组织如何创建、审批、修改和发布统一的业务术语。

参考数据是用于将其他数据进行分类或目录整编的数据，可以简单理解为是数据字典，是数据可能的取值范围。

主数据是组织中需要跨系统、跨部门共享的核心业务实体数据。主数据因为其重要价值，被喻为企业的黄金数据记录，如多个系统共享的客户、商品等核心业务实体数据。

数据元是用一组属性描述其定义、标识、表示和允许值的数据单元，是描述数据的基本单元。数据元由3部分组成：对象类、特性、表示值域和数据类型的组合。

指标数据是组织在经营分析过程中衡量某一个目标或事物的数据，一般由指标名称、指标解释、时间限定、其他条件限定、指标数值等组成，如企业的人均利润率、季度离职率等。

数据标准管理是指数据标准的制定和实施的一系列活动，关键活动包括：

理解数据标准化需求;

构建数据标准体系和规范;

规划制定数据标准化的实施路线和方案;

制定数据标准管理办法和实施流程要求;

建设数据标准管理工具，推动数据标准的执行落地;

评估数据标准化工作的开展情况。

2、数据标准化的难题

一是制定的数据标准本身有问题。

二是在标准化推进过程中出了问题。

对建设数据标准的目的不明确

过分依赖咨询公司

对数据标准化的难度估计不足

缺乏落地的制度和流程规划

组织管理水平不足

3、应对方案

一，制定可落地的执行方案。执行方案要侧重于可落地性，不能落地的方案终只能被废弃。一个可落地的方案要有组织架构和人员分工，每个人负责什么，如何考核，怎么监管，都必须纳入执行方案中。

二，正确认识数据标准建设的目，即是统一组织内的数据口径，指导信息系统建设，提高数据质量，更可信地处理和交换数据，而不是应付上级和监管机构的检查。

三，正确认识咨询公司在数据资产管理工作前期的作用。咨询公司的定位应该是准确评估组织的数据管理水平，制订可以落地的方案，而不应一味地追求咨询输出物的技术含量。

四，充分认识到数据标准化的难度。要取得管理决策层的支持，提升组织管理水平，做好长期推进的工作准备，建立起数据标准化的工作制度和流程，遇到问题通过正式的流程和沟通机制逐步解决。

五，实际落地中，建立起科学可行的数据标准落地形式。

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益!更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。