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。