数据服务共享平台方案介绍数字化企业云平台 平台 · 让创新无限 “大数据”的概念已经广为人知，但是如何管理大数据，如何更加有序的使用大数据依然缺少成熟体系架构和工具手段 定义不统一 错误判断/开发 分布杂乱 形式多样/数据闲置 开发困难 依赖技术开发 过程不可控 缺乏统一监控、溯源手段 缺乏共享目录 难以发现可用数据 数据不开放 协作受限 数据安全 开放数据库安全堪忧 处理缓慢 周期过长 在大数据的“管”和“用”方面存在一系列关键挑战？ 大数据存储&计算 大数据采集 传统数仓 大数据库 ②“存” ①“采” 管理 － 数据 资产 目录 ③ “管” 1、企业的标准数据模型是怎么样的？ 2、企业有哪些数据资产可用（表、文件、三维设计）？ 3、企业有哪些数据服务可被调用？ 管理 － 数据 运营 监控 ③ “管” 1、如何一张图看清数据全过程全景？ 2、如何管控数据质量与数据应用情况？ 3、如何对数据资产变更全寿期管理？ 管的不“准”！ 用的不“畅”！ 数据消费者 数据查询分析&深度挖掘 大数据分析应用 ④“用” 1、如何在全寿期方便可控访问数据？ 2、数据查询技术开发，交付周期长？ 3、挖掘分析，专业性高，如何快速探索？ 从关注技术到关注数据，是对价值本身的回归 在传统信息系统架构模式下，各个组织或各个部门根据各自的业务需求的需要，在不同的时期不同的技术环境下建设出各自的信息系统系统，从而出现了一个个“孤岛”式应用。为了解决这些问题，企业不得不花费大量的时间和成本去修改、或者新开发、或者做集成，企业投入过多的精力专注与ETL、ESB、Hadoop等各种技术，这样一来企业最大的损失是时间机会成本。 大数据服务共享平台由离散工具向服务平台转型 传统数据共享交换，多种交换工具和多种交换方式并存，不易维护管理。服务平台数据共享交换，支持对多源、多类型数据共享交换的统一管控，帮助企业屏蔽底层技术平台的差异，保护投资。 数据的获取方式由传统数据准备向自助数据准备转变 传统数据准备时，业务人员要在 IT 人员开发过后才能拿到需要的数据。 自助数据准备让业务人员能自己获取到所需的数据，大大减少了数据准备所需的时间。 用快速的数据平台基础设施，为决策者提供任何想要的数据 数据获取 数据准备 数据服务开发 数据共享发布 找到数据 提供数据 使用数据 治理数据 自助化 自动化 规范化 可视化 数据平台不仅仅是技术工具，更是重要的数据的运营平台 通过数据服务共享平台，降低业务对技术依赖，充分发挥业务创新潜能 业务 模式 业务 范围 需求 开发 实现 … 数据通道 ＋ 数据应用能力 技术辅助 ＋ 数据服务目录 场景一：让用数据的所有人知道平台有什么数据 源 数据目录 前置区 数据目录 共享区 服务目录 （开发视图） 数据迁移 数据转换 加密/脱敏 共享区 服务目录 （业务视图） 消费方资源视图 1 2 3 服务开发 服务资源订阅/申请 资源管理 体系化，技术元数据 + 业务元数据 的方式，资源更容易发现。 场景二：以需定产，数据随需而至 消费方 服务目录（业务） Web服务 数据库服务 文件服务 模板库 在线开发 离线开发 服务目录（开发） 数据转换 加密/脱敏 作业调度 申请/订阅准备工作 消费方目录 规范资源管理过程，实现从需求-> 设计->开发->发布的C2C闭环管理。 场景三：平台提供多种数据服务 数据服务共享平台门户 数据服务目录 主题B 主题A 服务C 服务A 服务B 主题C 服务D 平台提供包括接口、文件和数据库的服务 拉取 推送 开发 需求分析 场景四：让用数据的人能得到想要的数据 营销分析，需要公司前三年的销售合同信息 在服务目录搜索合同相关资源 1 2 3 消费方提交申请 管理员了解需求并审批 开发人员接收任务，按要求开发作业 4 5 6 管理员/运维人员作业调度 7 开发任务完成后，进行服务发布 资金主题 项目主题 数据字典 政府投资项目 数据服务共享平台门户 1 2 3 4 5 6 7 场景五 ：从全局了解企业数据服务情况 通过自动化采集，自动形成全数据链路，形成数据服务共享的全貌图 场景六：自助式数据问题追踪 消费方申请数据时，也可通过血缘分析，确认实体是否是自己想要的数据，验证开发正确性。 业务需要能够自主自助使用大数据才能够发挥价值 业务创新 业务创新 业务创新 业务创新 数据 数据 数据 数据 大数据 服务共享 治理 数据 用自助服务连接大数据与业务创新 服务 服务 数据开发 政务服务的背后，是大数据的融合，更是数据的运营 按照公众和企业办事需求，群众“点餐”与政府“端菜”相结合，将政务服务事项办事指南要素和审查工作细则流程相融合，删繁化简，去重除冗，减条件、减材料、减环节，实现政务服务精准供给，让数据“多跑路”，让群众“少跑腿”。 …… 群众的“一站式”服务需求、按需服务需求、及时服务需求需要在系统中得到满足和实现。 在金融行业所倡导的一体化数据资产管理体系 18 数据资产规范及治理能力 数据资产运营、开放、应用能力 数据资产管理体系核心在于有效解决对数据资产进行管理的实践性问题，既帮助企业合理评估、规范和治理企业信息资产，又可以挖掘和发挥数据资产价值并促进持续增值，并符合大数据的跨行业合作趋势 资产质量 更加可靠 创新合作更加便捷 运营手段更加丰富 数据资产应用 有效处置 租赁、报损、转换… 全面评估 资产分布、活性、配置合理性、使用策略… 使能创新 交易、数据开放… 数据资产运营 协同工作 数据资产 数据规范 管控体系 元模型数据 情景规则 人员组织 数据处理 全局洞察 采集加工 快速可视化 运维管控 第三方应用加载 标准化数据接口、平滑迁移、快速定制… 快速开发部署 效率、质量… 形式丰富易用 数据产品、报表… 有机融合