解决方案
模型的标准化设计
在模型设计期间，设计者可以通过拖拉的方式直接引用数据标准，也可以在实体设计器中，使用智能推荐的数据数据字段，优化数据应用模式，提升模型设计效率。
English
应用开发的数据模型管控解决方案
1、标准定制，质量要求细则，校验脚本
标准定制
标准定义
甄别和标准化
发布标准
质量控制
推广应用
2、按照标准设计，按照质量要求核验
模型工具
拉取标准
落地标准
落标 引标 对标
引用标签
建立映射
3、集成开发控制
入口控制
规则到程序
规则到数据库
4、数据层核验
事后校验
批量校验
复杂校验
模型变更的影响通知
结合Datablau
DAM的数据血缘分析功能，应用建模工具的自动差异发现能力，快速定位本次上线模型和基线模型的差异，并自动统计分析使用存在差异模型的接口、系统等应用端，通知相关方及时进行适应性调整，避免下游系统的“被动排雷”式升级，提升数据协同效率。
模型质量的评审
模型设计工具记录当前设计的模型库对标准的引用情况，根据每个模型对数据标准的引用记录，统计模型遵从度，并给出详细的报告。
模型质量的评审
模型设计工具记录当前设计的模型库对标准的引用情况，根据每个模型对数据标准的引用记录，统计模型遵从度，并给出详细的报告。
目标成效
通过此方案，可以管理日常开发过程中数据字典的管理，统一模型的存储，根据数据标准的要求来控制数据的质量，在应用程序的开发过程中，做到数据质量的输入控制，做到了整个DataOps的第一个关键环节的源头控制，为企业打下良好的数据质量基础。