《Informatica主数据管理建设方案74》由会员分享，可在线阅读，更多相关《Informatica主数据管理建设方案74（76页珍藏版）》请在金锄头文库上搜索。
1、统一主数据管理平台方案 Informatica 中国Informatica 专注于数据集成的独立软件开发商成立时间成立时间:1993199320122012年收入为年收入为:8.1168.116亿美元亿美元7 7年平均增长率年平均增长率:每年每年17%17%员工人数员工人数:2,8102,810多人多人合作伙伴合作伙伴:450450多家多家主要的系统集成商、独立软件供应商、原始设备制造商和按需生产的先驱客户客户:超过超过5,0005,000家家客户遍布全球82个国家直接客户遍布全球28个国家客户忠诚度排名位居榜首 （已连续7年获此殊荣）1.数据采集数据仓库分析应用分析应用BI报表数据挖掘仪表盘
2、任意格式任意格式任意数据源任意数据源任意延时任意延时任意模式任意模式ERPCRM办公PLM财务网站业务系统业务系统云计算套装应用非结构化数据2.数据审计与发现(数据探查)3.数据质量管理(建立和管理数据质量规则，仪表盘，报警等)5.主数据和参考数据管理渠道区域产品客户4.数据处理Any formatAny formatAny sourceAny sourceAny Any latencylatencyAny modeAny mode8.元数据管理(操作型,技术型,业务层)7.数据归档归档Retrieval6b.数据虚拟化外部数据复杂事件处理复杂事件处理Informatica 产品定位内容提要内
3、容提要从公司治理到主数据管理主数据平台解决方案Informatica 案例分享集团企业数据利用的发展与挑战集团企业数据利用的发展与挑战AccountOrganizationSales RepPartnerOrganizationProductProductOrganizationAccountAccountZoneServicesAccountPricing财务管理财务管理投资管理投资管理客户服务客户服务人力资源人力资源决策支持决策支持 不同的系统管理各种业不同的系统管理各种业务流程务流程 走向精细化协同管理走向精细化协同管理 利用数据仓库汇集数据利用数据仓库汇集数据 但是企业内外协同受信但是
4、企业内外协同受信息流现状的制约息流现状的制约 面临的问题面临的问题 数据标准数据标准 数据质量数据质量 管控流程管控流程 集团产业集团企业数据仓库企业数据集成公司治理公司治理 影响公司业务方向、管理、和控制发展路线的一系列流程、策略、惯例、规章制度等。ITIT治理治理 确保IT能够支撑企业战略目标的管理、组织架构、和流程。主主数据治理数据治理确保企业确保企业主主数据的有效性、可访问性、质量、一致性、可审性、和安全性所需要的流程、策略、标准、和数据的有效性、可访问性、质量、一致性、可审性、和安全性所需要的流程、策略、标准、和技术技术。从主数据入手，提升主数据质量，是业务管控的基础从主数据入手，提
5、升主数据质量，是业务管控的基础业务流程CRM SystemERP SystemOrder Mgmt SystemFinance SystemHR System 主数据的重要性主数据的重要性大多数的数据质量问题是主数据问题大多数的数据质量问题是主数据问题 使治理目标和范围明确使治理目标和范围明确 主数据系统使咨询内容落地主数据系统使咨询内容落地AccountOrganizationSales RepPartnerOrganizationProductProductOrganizationAccountAccountZoneServicesAccountPricing客户、产品、服务、供应商、机构
6、、资源等组成客户、产品、服务、供应商、机构、资源等组成完整的完整的 360 360度主数据视图度主数据视图客服金融客户网上业务离港机票积分航段航空客户物流客户旅业客户储蓄住宅健康支付意外养老助学发件客户配偶收件酒店票务物流旅行代理业务经理孩子企业航空保险代理不同主数据是业务的不同视角：客户角度产品、服务机构资源产品角度客户资源机构供应商角度产品机构角度产品客户资源资源角度机构产品客户完整的主数据视图父母企业集团主数据平台集中管理各类主数据企业集团主数据平台集中管理各类主数据Acct RepOrganizationAccountCustomerProductMDM数据管理AccountOrgan
7、izationSales RepPartnerOrganizationProductProductOrganizationAccountAccountZoneServicesAccountPricingDI/DQ社交媒体财务管理财务管理投资管理投资管理客户服务客户服务人力资源人力资源决策支持决策支持DW数据服务数据服务灵活的数据模型可定制的业务逻辑和工作流程可配置的用户界面/接口解决不同领域业务问题可用统一的平台扩展到解决其他业务问题和领域预定义数据模型预定义的业务逻辑和工作流程预定义的用户界面/接口解决特定领域的业务问题扩展到其他业务领域需要购买新的应用平台级平台级 MDMMDM应用级应用级
8、 MDMMDM根据客户的特有需求进行配置，使用不同客户需求预置的应用以解决特定的主数据问题(customer,product,financial)CustomerProductCOA客客户户产产品品C CO OA A主数据管理的不同实现路径主数据管理的不同实现路径Informatica MDM 简介经验证的多域主数据方案部署情况部署情况市场影响力市场影响力跨越多行业的平台级解决方案(Financial Services,Life Sciences,High Tech)大量案例证明在多域主数据部署的能力快速部署快速部署 平均上线时间平均上线时间:3-9:3-9 个月个月最具伸缩性解决方案最具伸缩
9、性解决方案 最大最大 450M 450M 主主记录数的成功案例记录数的成功案例可验证的多域主数据可验证的多域主数据 几乎一半的客几乎一半的客户都在统一平台上部署了客户和产品域户都在统一平台上部署了客户和产品域超过超过 50%50%的财富的财富 500 500 企业和全球企业和全球 500500强企业强企业 Merrill Lynch,Deutsche Bank,Merrill Lynch,Deutsche Bank,Johnson&Johnson,Pfizer,Johnson&Johnson,Pfizer,Apple,Kodak,Cadbury,Apple,Kodak,Cadbury,跨越多行
10、业的客户解决方案跨越多行业的客户解决方案(25+(25+solutions)solutions)Informatica MDM Informatica MDM 提供产品、客户、账户等关键数据的提供产品、客户、账户等关键数据的统一视图，快速低成本提升业务运营、客户体验、以及统一视图，快速低成本提升业务运营、客户体验、以及合规等能力合规等能力为应用和数据仓库交付可信的数为应用和数据仓库交付可信的数据据管理统一、可信、真实的主数据管理统一、可信、真实的主数据数据清洗和标准化数据清洗和标准化剖析、发现数据内容、一致性、数据结构剖析、发现数据内容、一致性、数据结构从不同的应用和数据源访问、获取数据从不同
11、的应用和数据源访问、获取数据平台需要的能力平台需要的能力数据获取数据获取数据探索数据探索数据清洗数据清洗数据管理数据管理数据发布数据发布E ES SB B统一客户数据平台架构统一客户数据平台架构企企业业数数据据集集成成平平台台运营支撑运营支撑分析决策分析决策数据集市仪表板分析报表业务应用业务应用遗留数据遗留数据社交媒体社交媒体和第三方数据和第三方数据数据质量数据质量数据探索数据探索主数据管理主数据管理ODS数据数据管控管控模型模型管理管理合并合并管理管理重复重复识别识别数据数据关联关联OraOra数据仓库数据仓库运行、生产、销售数据管理平台数据管理平台TDTD数据仓库数据仓库客户/市场E ES
12、 SB B数数据据发发布布服服务务数据获取关键需求:在任意的源和目标数据之间进行数据访问和发布各种数据格式，各种地方不同的延迟需求(批量,实时,消息队列)高性能和高可用支持不同MDM部署风格元数据可视化数据集成数据集成DataDataIntegrationIntegration产品支持:Informatica PowerCenterInformatica PowerExchangeInformatica B2B Exchange数据探索关键需求:发现和记录数据中的所有异常将问题进行分类（完备性、遵从性、一致性、准确性、唯一性、依赖性）数据探索数据探索DataDataProfilingProfi
13、ling产品支持:Informatica Data Profile数据清洗关键需求:数据清洗数据丰富地址标准化数据监控和报告基于SOA 访问DQ规则 根据条件的格式校验规则数据变化，去噪，转换开放式清洗架构数据清洗数据清洗DataDataQualityQuality产品支持:Informatica Data QualityAddressDoctor数据质量问题实例完整性 COMPLETENESS合法性 CONFORMITY一致性 CONSISTENCY重复性DUPLICATION关联性INTEGRITY准确性ACCURACY值域划分RANGE完整性完整性:丢失关键数值合法性合法性:非法格式Co
14、nsistency:Consistency:Incorrect Format一致性一致性:数据是格式正确并完整，但不符合业务逻辑Duplication:Duplication:Fuzzy matching重复性重复性:模糊匹配关联性关联性:识别记录关系关联性关联性:识别记录关系准确性准确性:须利用其他数据来验证其准确程度值域划分值域划分:界定数值范围特性特性剖析解析清洗,标准化Comprehensivedata quality数据丰富匹配,剔重功能功能从非结构化的模式推从非结构化的模式推演数据的含义演数据的含义从非结构化的数据从非结构化的数据构建构建结构化数据结构化数据识别、纠正数据错误；识别
15、、纠正数据错误；将数据转化成标准格将数据转化成标准格式式/术语术语增加附加的属性增加附加的属性和分类和分类识别和消除识别和消除重复数据重复数据“liquid”+”crystal”+”display”=1 conceptCamera=manufacturer,mega pixels,zoom,and colorWoodd=wood=wudPaper weight:100g i.s.o.100kgDiving watch with Watch attrib and Diving Equipment attribPIM 样例样例2 products in different languages ar
16、e in fact the same itemCDI 样例样例姓名姓名:姓姓+名字名字(CHS,KOR,JPN);FN+MN+PN+LN(Latin);Addr=#,street,city,state,zip,country;Bill=WilliamSt,Str=Street(ENU/DEU)St=Saint(FRA)Haidong Song:“single,1 child,Summit Estate,DoNot Mail”Haidong Song=宋海东宋海东=数据质量功能一览共同参与数据质量工作数据质量数据质量1.分析分析 2.确定数据质量规则确定数据质量规则和目标和目标3.制定质量提高计划制定质量提高计划4.部署数据质量计部署数据质量计划划5.数据质量报告与数据质量报告与跟踪跟踪数据经理数据经理业务主管业务主管ITIT开发人员开发人员数据数据管理人员管理人员记分卡记分卡基于基于WEB WEB 客户端客户端使用Analyst对数据进行全方位的剖析使业务人员参与数据分析工作，提高生产力和工作效率，降低IT人员的依赖性Data Data StewardStewardReuse data
