第六章：数据工程（6.3数据治理和建模--6.4数据仓库和数据资源）

6.3数据治理

6.3.1 元数据

数据治理是开展数据价值化活动的基础，

6.3.2 数据标准化

数据标准化的主要内容包括

元数据标准化、数据元标准化、数据模式标准化和数据分类与编码标准化

数据标准化阶段的具体过程包括

确定数据需求、制定数据标准、批准数据标准和实施数据标准

6.3.3 数据质量

衡量数据质量的指标体系包括

完整性、规范性、一致性、准确性、唯一性、及时性等。

数据质量描述:数据质量可以

通过数据质量元素来描述

数据质量元素分为

数据质量定量元素和数据质量非定量元素

数据质量评价方法分为：

直接评价法和间接评价法

数据产品的质量控制分为：

前期控制和后期控制

6.3.4 数据模型

数据模型描述概念模型

不依赖于具体的计算机系统也不对应某个具体的DBMS

，它是概念级别的模型逻辑模型逻辑模型是在概念模型的基础上

确定模型的数据结构，

目前主要的数据结构有

层次模型、网状模型、关系模型、面向对象模型和对象关系模型。

其中，

关系模型成为目前最重要的一种逻辑数据模型

物理模型物理数据模型是在逻辑数据模型的基础上，考虑各种具体的技术实现因素，进行

数据库体系结构设计

，真正实现

数据在数据库中的存放。

6.3.5 数据建模

数据建模的过程包括: 数据需求分析、概念模型设计、逻辑模型设计和物理模型设计等
数据建模的过程描述数据需求分析分析用户对数据的需要和要求。数据需求分析是数据建模的起点概念模型设计需求分析得到的结果抽象为概念模型的过程，任务是

确定实体和数据及其关联

逻辑模型设计转换为关系模型结构中的关系模式物理模型设计对具体的DBMS进行物理模型设计，使数据模型走向数据存储应用环节

6.4 数据仓库和数据资产

6.4.1 数据仓库

数据仓库是一个

面向主题的、集成的、随时间变化的、包含汇总和明细的、稳定的历史数据集合。

数据仓库通常由

数据源、数据的存储与管理、OLAP服务器、前端工具等组件构成。

数据仓库组件描述数据源

数据源

是数据仓库系统的

基础

数据的存储与管理整个数据仓库系统的

核心

OLAP服务器

以便进行多角度、多层次的分析，并发现趋势

可以分为:**ROLAP(关系数据的关系在线分析处理)、MOLAP(多维在线分析处理)和HOLAP(混合在线分析处理)**前端工具

前端工具

主要包括各种

报表工具、查询工具、数据分析工具、数据挖掘工具

以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具主要针对数据仓库

6.4.2 主题库

主题库建设可采用多层级体系结构，即

数据源层、构件层、主题库层

层名称描述数据源层存放

各种管理表和数据的各类数据表

构件层构件层包括

基础构件和组合构件

主题库层按业务需求通过构建组合，形成

具有统一访问接口的主题库

6.4.3 数据资产管理

数据是一种重要的生产要素

，把数据转化成可流通的数据要素，重点包含

数据资源化、数据资产化

两个环节

数字资源化： 通过

将原始数据转变为数据资源,以数据治理为工作重点

数据资产化： 通过

将数据资源转变为数据资产

数据资产流通是指通过

数据共享、数据开放或数据交易等流通模式

数据价值评估是数据资产管理的

关键环节，是数据资产化的价值基线

**PS:**更多关于系统集成项目管理工程师笔记 点击专栏订阅(持续更新~~~)