数据仓库建设-元数据管理

随着业务系统每年收集和使用的数据飞速增长，数据体量日趋增长，数据形态多样化且不统一，多种数据源之间的采集、传播和共享遇到困难。元数据管理作为大数据治理的核心，是有效管理这些数据的基础和前提，在信息化建设中发挥着重要的作用。如何理解、管理并发挥出元数据的价值，成为迫切的任务。

什么是元数据

元数据（Metadata）是关于数据的数据。元数据是描述数据仓库内数据的结构和建立方法的数据。可将其按用途的不同分为两类：技术元数据（Technical Metadata）和业务元数据（Business Metadata）。

数据仓库建设-元数据管理（数据仓库元数据管理）

1、技术元数据

技术元数据是存储关于数据仓库系统技术细节的数据，是用于开发和管理数据仓库使用的数据，它主要包括以下信息：

1) 数据仓库结构的描述，包括仓库模式、视图、维、层次结构和导出数据的定义，以及数据集市的位置和内容。

2) 业务系统、数据仓库和数据集市的体系结构和模式。

3) 汇总用的算法，包括度量和维定义算法，数据粒度、主题领域、聚集、汇总、预定义的查询与报告。

4) 由操作环境到数据仓库环境的映射，包括源数据和它们的内容、数据分割、数据提取、清理、转换规则和数据刷新规则、安全（用户授权和存取控制）。

2、业务元数据

业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使业务人员也能够“读懂”数据仓库中的数据。业务元数据主要包括以下信息：

1) 使用者的业务术语所表达的数据模型、对象名和属性名。

2) 访问数据的原则和数据的来源。

3) 系统所提供的分析方法以及公式和报表的信息。

4) 概念模型、多维数据模型，业务概念模型与物理数据的依赖。

元数据的作用

元数据可以实现业务模型与数据模型的映射，帮助用户理解数据仓库中的数据；元数据清晰的描述了数据的来龙去脉，描述了数据抽取转换规则，是保证数据质量的关键；元数据管理系统可以把整个业务的工作流、数据流和信息流有效的管理，可以支持需求变化，从而提高系统的可扩展性；打通数据孤岛，统一数据定义，形成企业级知识传承平台，元数据管理使得数据变的更有价值。

元数据管理

在大数据时代的背景下，数据即资产，元数据实现了信息的描述和分类的格式化，从而为机器处理创造了可能，它能帮助企业更好地对数据资产进行管理，理清数据之间的关系。元数据管理是企业提升数据质量的基础，也是企业数据治理中的关键环节。元数据管理不当，信息很容易被丢失，进而不能对业务进行有效支撑，企业内部业务人员要识别相关信息就会变得十分困难，最终用户也将失去对数据的信任。

1、元数据采集

技术元数据的采集，根据现有元数据设计出元数据模型，然后将数据仓库系统之中的元数据按元数据模型集中汇总并关联到一起，达到企业对数据统一管理与应用的目的，ETL等产生的元数据，对于元数据管理工具支持的格式可直接进行导入，对于一些自定义的规则，需要进行格式转换并导入。

业务元数据相对复杂，来源较广泛且不统一，需要对业务系统进行深入理解，按业务主题进行整理，梳理出业务范围、业务名称、业务定义、业务描述、业务关系等，并添加到元数据管理系统中。主要从以下几方面来进行梳理：

1) 业务平台中的各业务流程。

2) 交易、结算系统，提取出各种财务公式、过程逻辑、业务规则等。

3) 报表系统，比如表头，包含合计、平均数等聚合函数的列，一些计算公式等。

4) 表格，在Excel中进行业务计算的公式，列的描述、代码描述等。

5) 文件数据中的标题、作者、时间、内容主题等。

2、存储管理

对元数据存储需要使用专门的工具，通过工具与数据库系统的对接，将元数据导入进去，对于不支持系统对接的元数据，可手动进行添加。通过管理工具提供的辅助功能可对元数据进行标注、完善等。

元数据应用

通过元数据管理工具将元数据服务提供给所有业务人员，使业务人员也能够快速的从业务角度理解数据，从而帮助业务人员更好的利用数据。以下用三个方面来阐述元数据的实际应用价值：

1、元数据对比分析

业务系统由开发环境到测试环境再到生产环境，在系统的设计、开发、测试、上线过程中，无论需求变更还是Bug都会导致元数据的改动。大到库表结构重新设计，小到字段类型的变更，都可能导致系统出现重大问题。为了避免这种问题的发生，我们可以使用元数据系统的对比分析功能，元数据系统可以自动采集三个环境的库、表、字段、视图、存储过程等结构，自动化采集保证了各自环境中都是最新的、最准确的元数据结构，我们对上线的数据环境与测试库进行对比，会轻松的发现问题所在，能大大降低这些问题发生的概率。

2、数据流向分析

数据平台系统中，业务数据由操作型数据几分析型数据转换，通过大量的数据抽取、转换、清洗等过程形成了分析统计数据。数据由业务系统->数据仓库->数据集市->分析报表，数据加工链路比较长，期间处理方式多元化，很容易会出现数据项不符合业务逻辑的情况，出现问题也很难迅速解决。

通过使用元数据系统的数据流向分析，即影响分析（上游->下游）与血缘分析（下游->上游），提供了字段级的数据解析，上下游之间的数据加工链路可以通过图形的方式快速定位，可以快速定位特定的表和某些字段，然后做详细的逻辑分析，大大简化了分析环节，提升了解决问题的效率。

3、数据链路分析

元数据可以辅助快速梳理系统服务之间的调用关系与服务间的接口。比如交易系统中入金、记账、结算等业务，会经过一系统复杂的系统接口服务调用，为了更为清晰、准确的了解交易流程，需要对各个服务进行梳理、整合，由于涉及不同的部门、系统，工作量和工作难度将相当大。为了解决这个问题，元数据的链路分析能力可以自动化的完成梳理任务，元数据可以通过服务接口的采集，自动获取服务的信息，包括参与接口调用的输入、输出字段信息，并通过系统自动采集相关的数据字典与关系映射，避免人工梳理造成漏误，以元数据驱动，服服务的业务元数据规范新的服务，完成整个服务系统。

另外还可以进行实体关联分析、实体差异分析、指标一致性分析、辅助应用优化、辅助案例管理。