組織已經花費了大量的時間和金錢試圖在不同的平臺上協調數據，包括清理、上載元數據、轉換代碼、定義業務詞匯表、跟蹤數據轉換等。但是，在整個企業范圍內對數據進行標準化的嘗試并沒有產生預期的結果。如果數據管理失敗，公司就無法有效地實施數據治理——記錄和應用業務規則和流程，分析變更的影響并進行審計。
這個問題通常是從數據準備和映射的手動集成方法開始的。只有當公司第一次嘗試手動編目和記錄操作系統、流程和相關數據（無論是靜態的還是動態的）時，他們才會意識到整個數據準備和映射工作是多么耗時，以及為什么這項工作肯定會因人為錯誤和數據質量問題而變得復雜。為了有效地促進業務轉型，以及滿足法規和合規要求，不存在任何意外。 很明顯，要發現和合成以不同格式存在于數千個未經授權、未記錄的數據庫、應用程序、ETL過程和過程代碼中的數據，人工道路非常具有挑戰性。考慮將源系統字段（通常是源文件或數據庫表）手動映射到目標系統字段（例如目標數據倉庫或數據集市中的不同表）的問題。然而，隨著電子表格映射數據的發展，ETL設計過程往往會受到影響，因為人為錯誤，電子表格映射數據沒有更新，或者可能被錯誤地更新。因此，關于轉換后的數據是否可信的問題仍然存在。
可悲的事實是，像數據科學家這樣的高薪知識工作者，花費了高達80%的時間來尋找和理解源數據，并解決錯誤或不一致的問題，而不是將其分析為真正的價值。在查看主要數據集成項目（如數據倉庫和主數據管理）時，統計數據是類似的，數據管理員面臨識別和記錄數據沿襲和敏感數據元素的挑戰。正確地轉換為業務友好的術語時，企業利益相關者如何獲得準確和可操作的洞察力？組織如何掌握無縫數據發現、移動、轉換以及IT和業務協作，以逆轉準備與交付價值的比率。
要克服這些障礙，需要建立一個自動化、實時、高質量和元數據驅動的管道，對每個人都有用，從數據科學家到企業架構師，再到業務分析師，再到C級執行官。要做到這一點，需要有一個健全的數據管理策略和技術，以自動地及時交付符合業務需求的高質量數據。 從那里開始，他們需要一個強大的數據治理策略和技術，以自動將管理良好的數據與核心功能（用于審計、法定報告和合規性要求）鏈接并同步，并推動業務洞察。
創建高質量數據管道 ?
數據管理和數據治理是一種實時、準確的數據布局，包括數據庫、數據湖和數據倉庫中的“靜止數據”以及與關鍵應用程序集成和使用的“動態數據”。而且，還可以控制這種情況，以促進洞察力和協作，并限制風險。通過元數據驅動、自動化、實時、高質量的數據管道，所有利益相關者都可以訪問他們現在能夠理解和信任的數據，以及他們被授權使用的數據。最后，他們可以根據可靠信息的完整庫存做出戰略決策。
數據管理和治理的集成還支持行業滿足法規和合規要求的需求，確保審計不會因無法發現關鍵數據或未能將敏感數據標記為集成過程的一部分而受到影響。 數據驅動的洞察力、敏捷創新、業務轉型和法規遵從性是圍繞數據治理中心的數據準備/映射和企業建模（業務流程、企業架構和數據建模）的成果。ERwin Mapping Manager（MM）將數據管理和數據治理過程結合在一個自動化流程中，貫穿集成生命周期，從數據映射到協調和聚合，再到生成數據沿襲的物理體現，即事務數據和操作數據的創建、移動和轉換。
它的標志是數據交付（業務詞匯表將物理元數據連接到特定的業務術語和定義）和元數據管理（通過數據映射）的一致方法。
（部分內容來源網絡，如有侵權請聯系刪除）
