什么是数据沿袭？
数据沿袭是指贵组织数据的整个旅程。这包括从数据在源位置创建，到在企业内外的各平台和存储库内外进行移动和转换，再到其最终驻留于运营和决策制定所依赖的应用程序和商业智能中。端到端数据沿袭提供一个直观视图，全面、详尽地展示特定数据集如何在贵组织流入、流动及流出。它可以帮助您规划IT现代化工作，解决数据质量问题，处理数据监管和法规合规性问题，以及快速查看并了解贵组织内可用的数据及它们之间的关系。
数据沿袭何以如此重要？
追踪数据的来源和流动是一项艰巨的任务。随着贵组织信息系统的不断增加，数据录入点及不断移动的数据的转换规则也会随之增加。此外，数据集成工具、提取-转换-加载(ETL)工具、过程代码甚至API和商业智能(BI)报告都会不断聚合和转换数据。因此，要手动编译和了解贵组织中各系统之间形成的复杂数据网，并以简单的可视化流程来呈现，难度非常大。自动化数据沿袭让IT、数据监管团队和业务用户能够了解组织数据的最新状态及上下文，从而能够更高效地工作、制定更健全的决策，以及更好地利用和保护由他们管理的数据。
数据沿袭不仅让您可以了解��据来源、转换方��及其在贵组织内的移动，而且可以将技术和业务属性与监管相融合、特别关注敏感数据及其他数据分类、提供数据质量可见性（包括帮助用户快速分析数据质量问题的根本原因），以及提供其他众多益处。无论是否结合使用自动化影响分析功能，数据沿袭都特别适用于审视和评估潜在数据管理、数据智能和数据平台迁移等工作的影响。
数据沿袭的益处
业务影响和数据环境可见性
对可用数据及其在多个系统之间的转换和流动的认知和了解，可以影响和支持您做出的业务决策。例如，了解数据流动过程及上下文可能有助于解答业务智能报告中的问题，包括谁拥有数据、需要了解哪些监管指导准则，以及数据有多适合您使用。利用数据沿袭，您可以更好地了解与关键业务计划相符的数据、数据来源及其获取方式，并根据数据的上游沿袭过程、关联的数据质量评分等，了解数据是否值得信任。此外，组织还可以更轻松地了解关键隐私信息在可能离开公司时存在的风险领域。
数据监管基础支持
数据所有权、尽责性和可追溯性是健全的数据监管计划的核心所在。数据沿袭与自动化功能相结合，可以帮助数据所有者、数据管理员以及IT和业务用户了解并验证数据使用情况。自动化数据沿袭可以提供横向数据沿袭和纵向数据沿袭，前者包括从初始数据源到目标的沿袭及二者之间的所有数据转换，后者便于洞察业务和技术资产之间的关联。端到端数据沿袭（包括上游和下游）可以显示任何数据更改的时间及更改者，并且可以将技术和业务监管汇集于一个可供所有数据用户查看的中央视图中。数据沿袭是一款对数据监管团队至关重要的透明工具。
法规合规性和可审核性
业务术语和数据策略应通过数据智能和监管解决方案中记录在案的业务规则来实施。然后，您可以使用数据沿袭来跟踪这些规则的法规合规性，并在每次转换时纳入可审核性和验证控制选项。此外，数据沿袭还可以为客户、员工和审核人员提供直观且省时的证据，证明您在认真对待与法规合规性和隐私相关的问题，并且在实施相应计划来支持这些工作。
团队之间的协作
数据沿袭提供贵组织内数据的通用视图，其中包含数据在各业务线及不同的传统与现代分析环境中的流动过程。这种数据及其使用情况透明度促进了额外的数据共享，并清楚地标识了数据集成项目中的关键交接点。有了一个中央参考点，您整个组织内的团队便可更加高效地协同工作，以确保组织内的数据得到充分利用且受到妥当保护。
数据质量可见性和目标设定
根本原因分析是解决数据质量不佳问题的第一步。通过根据数据沿袭洞察数据质量，数据管理员可以回溯信息流，以确定数据的标准化和转换是否得到正确执行。端到端数据沿袭让您可以从数据源修复数据质量问题，并让团队能够主动监控关键数据流程以确保数据完整性。数据沿袭还为业务用户提供直观视图，从中可了解数据是否适合建立信任。
IT规划与数据管理
数据沿袭为数据架构师和数据工程师提供所需洞见和信息，以便他们了解您当前数据环境的现状，并明智地管理和规划IT现代化、数据仓库迁移及其他重要工作。它为您提供一个直观的项目范围，从中可了解有多少应用程序、转换规则和业务部门会受到影响。它直观显示敏感数据及其他数据分类、数据质量指标及随时可用的监管上下文，帮助IT团队更好地管理组织内的数据。
数据准备
对于负责准备数据的数据分析师，数据沿袭可以提供所需的路线图，以确保他们选择最合适的数据进行预期分析。数据沿袭让分析师可以直观了解可用的系统、环境、表和列。它是物理和逻辑命名的参考点，可以囊括数据质量、敏感数据指标和监管护栏，以有效指导分析师的工作并缩短数据准备时间。
数据沿袭是否属于数据监管？
是。要实现有效的数据监管，需要将业务术语表、数据词典和数据隐私政策纳入一个集中位置。但随着组织内数据的不断增加，这些对象最终往往会以不同格式存储于不同位置，且表达方式各异。可喜的是，数据沿袭有助于组织随着时间的推移，轻松跟踪、监控和更新这些对象。数据沿袭为监管做法提供众多优势，例如术语一致性、数据质量补救、数据流程审核，以及在发生数据事件期间进行根本原因分析。
有哪些不同类型的数据沿袭？
数据沿袭包含业务沿袭和技术沿袭。
业务沿袭侧重于数据源总览，以帮助数据监管团队和业务用户了解数据在组织数据环境中不同数据源之间的流动。
技术沿袭侧重于组织数据在表级别和列级别的流动、基础转换层和规则、临时表/文件及其他相关对象，以便于技术用户了解组织数据的旅程。
业务沿袭和技术沿袭视图都对组织至关重要，有助于组织了解数据的价值并轻松评估变更的影响。从业务沿袭深化至技术沿袭（反之亦然）为数据分析师提供更高的灵活性，让他们能够快速获取正确的数据流相关信息。并非所有自动化数据沿袭都是以相同方式提供。引用的沿袭可能会根据元素或属性名称和组成，将各沿袭聚拢到一起。较为详细的数据沿袭以元素级别的代码为基础，更值得信赖。
数据沿袭正在快速发展，变得更为智能，可以使用人工智能(AI)捕获难以解析的代码中的模式。
什么是数据目录和沿袭？
数据目录是组织内数据资产的集中视图，可用于管理、利用、保护、了解和社会化组织的数据。数据目录包括元数据（即描述数据的数据），这些数据是从您整个企业内的各个数据源、数据平台、应用程序和业务智能系统收集的。然后，系统会根据业务上下文和数据监管指导准则，进一步丰富数据目录。自动化数据目录编制充分利用自动化数据发现和元数据收集功能，并使用特定于平台的数据连接器捕获静态元数据。自动化数据沿袭利用静态元数据。此外，它还利用数据连接器反向工程功能，捕获动态元数据。它会解析数据移动过程中涉及的代码，例如过程代码和ETL，以映射整个组织内的数据流。由此产生的数据沿袭可以帮助IT、数据监管团队和业务用户更直观地了解组织内可用的数据资产。它清晰阐述了数据从初始数据源到最终目标应用程序的移动过程，及二者之间的所有数据转换。
什么是数据沿袭工具？
数据沿袭工具使用自动化功能发现并映射从初始数据源到转换和处理，再到最终目的地的数据流。例如，在映射填充数据仓库的数据流程时，数据沿袭工具可能会对数据加载到目标仓库之前紧接的ETL任务进行反向工程。通过遍历所有数据源，数据沿袭工具会积累一个任务列表，并记录发现的每个沿袭片段。在序列结束时，此过程应已反向映射用于填充此仓库的流程。有了自动化数据沿袭工具，获取数据沿袭并使其保持最新状态变得切实可行。与传统的手动数据沿袭方法相比，这些工具可以为数据管理员节省高达95 %的时间。
在哪里可获得数据沿袭方面的帮助？
erwin Data Intelligence by
Quest®提供涵盖从源到目标以及二者之间所有数据转换的自动化数据沿袭。IT、数据监管团队和业务用户可以利用技术和业务上下文、数据质量可见性和敏感数据指标，来浏览数据沿袭。
数据沿袭相关资源
The value of automated data lineage
The value of automated data lineage | erwin Data Intelligence Webcast
Understand your Data Landscape with the erwin Data Intelligence Suite
erwin Data Intelligence provides powerful capabilities to help organizations see and govern their entire data landscape. Capab...
Tech Brief: Data Lineage
This paper by David Loshin explores the benefits and common challenges of data lineage, plus using a data catalog approach to p...
数据沿袭博客
What is Data Lineage? Top 5 Benefits of Data Lineage
Data lineage is the journey data takes from creation, through its transformations over time. The erwin Experts highlight the top 5 benefits of data l...
Michael Adjei
Why You Need End-to-End Data Lineage
Not Documenting End-to-End Data Lineage Is Risky Business – Understanding your data’s origins is key to successful data governance. Not everyone unde...
Michael Adjei
Demystifying Data Lineage: Tracking Your Data's DNA
From ensuring GDPR compliance to maximizing data's value, for any healthy data governance initiative, data lineage should be the first step.
Danny Sandwell
Building data maturity: 7 steps to achieve data maturity and maximize data value
Data maturity allows users to easily shop for datasets. However, achieving data maturity can be a challenge. Explore 7 steps to get started.
Susan Laine
Key findings on the 2023 state of data intelligence
Get insights from 220 IT professionals about their key challenges and investments in their data intelligence and data governance initiatives.
Susan Laine