这篇文档主要介绍了大数据治理管理平台的解决方案。以下是该文档的核心知识点和重点需要关注的内容：
1. 背景与需求分析：
该部分介绍了大数据治理管理平台的发展背景和需求分析。大数据治理管理平台是一个综合性平台，用于管理和优化大数据资源，包括数据标准、数据资产、数据质量、数据治理等方面。
2. 功能框架设计：
该部分介绍了大数据治理管理平台的功能框架设计，包括数据平台、数据加工处理、数据质量管理、数据资产管理等方面。其中，数据平台负责数据资源的管理和分配，数据加工处理负责数据的融合、统计和分析，数据质量管理负责数据的合规性和可靠性，数据资产管理负责数据的备份和存储。
3. 数据治理管理平台的需求分析：
该部分介绍了数据治理管理平台的需求分析，包括数据标准管理、元数据管理、数据分级分类管理、数据资产管理等方面。数据标准管理负责数据的统一和规范，元数据管理负责数据的标准化和规范化，数据分级分类管理负责数据的分层次分类管理，数据资产管理负责数据的合规性和可靠性。
4. 建立自身的统一技术栈：
该部分介绍了建立自身的统一技术栈的必要性和重要性。建立统一技术栈可以保障整体技术架构中组件的标准性，避免因为版本不一致和功能特性相近，增加不必要的运维成本。同时，可以减少因为架构中采用组件的选型调整，增加不必要的集成开发工作。
5. 开放架构平台：
该部分介绍了开放架构平台本身具备模块化开放和集成能力，平台功能所对应的技术组件避免被某一家集成开发厂商捆绑，或者被某个单一组件产品捆绑。架构的先进性可以从技术成熟度、性能、稳定性、持续研发升级、使用后业内评价、易维护性、适配性等方面做出考量，为架构选型提供参考，保证整体架构中的组件的先进性。
6. 数据治理管理平台：
该部分介绍了数据治理管理平台的功能和特点，包括数据平台、数据加工处理、数据质量管理、数据资产管理等方面。数据治理管理平台基于元模型驱动模式，构建一体化的数据资源管理框架，提供数据融合、统计、分析的高速处理能力，支持对已设计完成的数据计算模型进行申请、注册、提交、执行、监控的统一管理。同时，提供对于场景需求较多的数据模型可开发公共模型的功能，公共模型可以供其他用户调用，可重复使用。
大数据治理管理平台解决方案目录
一、背景与需求分析
1. 发展背景
2. 架构需求分析
3. 需求分析
二、功能架构设计
1. 子平台关系定位
2. 功能架构
三、平台功能设计
1. 数据资源管理
2. 数据加工处理
3. 数据质量管理
4. 数据建模配置集成方案管理
5. 数据异常管理
6. 数据开发管理
7. 统一调度管理
8. 数据运维管理
评论(0)