首页
首页>> 我们的业务>> 泛金融业务类解决方案>> 高伟达数据治理平台
高伟达数据治理平台为企业数据治理体系的落地执行提供了可靠、高效、安全的工具支持，产品整合了数据标准管理、元数据管理、数据质量管理、数据模型管理四大主题域，为企业数据治理工作从线下执行转到线上提供系统支撑，有效提高企业数据治理的效率。
分主题介绍：
数据标准管理
产品实现了数据标准定义、执行、评估、废弃的全生命周期管理线上化，从高伟达十几年数据实施经验中，总结出数据标准执行思路，使企业能够高效的实现数据标准落地执行。
元数据管理
产品实现了元数据采集、维护、应用的全过程线上化，通过与模型管理、数据质量管理、数据标准管理衔接，实现了元数据的标准对标、质量问题影响性分析、模型差异比对等元数据应用场景，以元数据应用驱动元数据的补充和质量保证。
数据质量管理
产品提供了业内灵活便捷的质量检核工具，用户可以在完全脱离技术人员支持的情况下自行完成任何检核规则的配置和监测。产品实现了从发现、整改分析、跟踪解决、验证的质量问题闭环管理线上化，提高质量问题解决效率。
数据模型管理
模型管理保证数据模型字段定义和字段命名的规范化。产品提供的模型模型管理能够提高用户数据建模效率，保证模型管控的可行性。
产品的设计以协助企业完成数据标准化为初衷，解决了数据标准在落地时无系统支撑、无法验证的难点。
产品提供全流程统一的数据标准管理，实现在线数据标准建立、变更、查询、流程审批、定版发布等功能。
各数据治理领域紧密结合，保证了从数据标准制定、数据模型标准映射到数据标准落地验证的闭环管理，通过各主题环环相扣，保证企业数据标准有效执行。
控制数据模型属性项的统一申请，保证属性项遵从数据标准定义，以模型管控的模式来支持数据标准落地。
产品通过提供数据标准落地稽核来检查数据标准的实际落地情况，确保数据标准在数据模型中落地，并对各系统数据标准的落地情况进行分析，形成系统落地分析报告，为数据标准落地考核提供支持。
元数据采集以自动化采集为主，人工维护为辅的思路实现。数据链路关系通过自动化解析数据加工逻辑结合部分人工维护的方式实现，构建了企业的全链路数据关系图。
产品通过数据加工中SQL逻辑解析数据对象的关系，SQL解析工具准确度达到95%以上，在支持标准sql语法的基础上，还支持包括mysql、oracle、Teradata、Greenplum、DB2等主流数据库的特定语法。产品能够适应不同的脚本书写格式，确保解析自动化完成。
产品提供作业级、加工逻辑级、表级、字段级等多粒度的数据对象关系，可实现数据流向的细粒度展现到粗粒度展现的切换，并通过图形的方式直观的展示对象间的关系，为用户提供多视角的分析结果展现。
产品提供了业内灵活便捷的质量检核工具，用户可以在完全脱离技术人员支持的情况下自行完成任何检核规则的配置和监测。
提供了图形化检核规则配置工具，用户可以很方便的配置检核规则。实现了一次配置多环境使用，即减轻了检核规则配置的工作量，同时也保证了检核规则的一致性。用户可以对成熟的检核规则进行封装处理，减化用户检核任务的配置工作。
产品提供了定时监测和实时监测两种模式，实现了完全自动化监测。
建设企业级数据质量管理平台，实现集中监测跨线条和应用组件数据质量，推动跟踪数据质量问题整改，量化评估全行数据质量水平，规范全行数据质量管理流程，实现全行数据质量的集中专业化管理。
以数据仓库为依托，实现全行数据质量的集中监测，集中管理监测需求；参数化灵活配置监测规则，实现数据质量监测任务的快速部署，及时响应业务需求；实现监测结果的可视化展示。
实现数据质量问题发现、根因分析，问题整改过程管理；实现数据质量问题的集中管理和分级；支持数据质量问题根因分析、责任定位；支持数据质量问题整改方案设计；实现整改跟踪和整改效果验证。
实现多维度数据质量状况和变化趋势分析；为全行、各业务部门实施数据质量管理、考核提供可量化的数据基础。
企业级数据质量管理平台通过与企业级元数据管理平台结合，实现全数据链路质量监测，并图形化展示质量部署情况及质量监测结果，同时通过元数据的数据地图进行质量问题源头分析和影响性分析，丰富企业级元数据的应用场景。
