数据协调类似于数据集成因为它涉及到将不同的数据源合并到一个位置。但是,通过根据单一模式重新组织数据,协调又向前迈进了一步。
协调允许将所有数据用于分析和BI等业务流程,而不会因数据类型、文件类型或命名约定的变化而产生任何问题。
数据协调如何工作?
数据协调解决方案可能差别很大,取决于以下因素:
- 使用的数据源的数量和种类
- 每个数据源之间的结构差异
- 每个来源的数据的可靠性
- 执行更新的速度
- 相关业务流程的目标
在大多数情况下,组织使用诸如Xplenty这样的ETL平台在中心位置创建完全协调的数据源,例如数据集市。这样做的过程如下:
- 分析:业务分析师查看可用的数据源,并确定那些与业务流程目标最相关的数据源。
- 映射:一个模式创建的目的是定义如何整理数据,包括转换、重命名和处理空值或重复值的过程。
- 提取:数据以原始格式从目标源导出。
- 转换:已定义的模式应用于原始数据,其中包括删除、更新和合并。
- 加载:来自多个源的数据被加载到目标目的地。
- 质量保证:分析人士证实,统一的数据符合质量标准,没有数据丢失或不准确。他们还确认统一的数据集满足业务需求。例如,如果目标是创建一个全面的客户信息存储库,那么协调的数据应该包含每个客户的准确而详尽的记录。
- 部署:然后将协调的数据提供给业务用户,用于诸如分析和业务智能等流程。
在处理大数据集时,AI和机器学习可以帮助执行数据协调,因为它们可以对传入数据的变化做出响应,而无需明确地编写相应的程序。
企业如何使用数据协调?
数据协调可用于解决因具有不同的和不一致的数据源而导致的任何企业问题。常见的例子包括:
- 分析与商业智能:协调的数据提供了企业的360度视图,这比通过单独查询每个数据源收集的数据提供了更丰富的见解。
- 客户关系管理:客户数据可能存在于跨组织的许多不同系统中。协调可以将所有数据放在一个位置,删除任何不相关或不准确的数据。
- 物流:通过提供组织当前状态的最准确的快照,协调的数据可以改进与供应链相关的决策。这有助于提高准时订货的效率,并在出现问题时进行标记。
- 审计和遵从性:统一的数据有助于加快与审计和合规相关的过程,例如内部财务控制,减少了用于整理和清理数据的时间。
数据协调也是主数据管理(Master Data Management)等策略的关键步骤。