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

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。
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。