数据治理之主题域(一)

这篇具有很好参考价值的文章主要介绍了数据治理之主题域(一)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、主题域的概念

主题域是对实体的逻辑分组,我们以上帝视角去看企业的业务系统,梳理企业的业务实体,实体与实体之间的关系,将企业中的数据进行逻辑划分。相同主题域中的数据联系紧密,不同主题域之间的数据相互独立。所以主题域的划分没有任何的技术含义,只是一种概念,能帮助数据使用者快速找到数据的一种分类方法。就像图书馆的图书分类一样,图书分类共分为22个大类:分为军事、文学、艺术等,比如文学又包含:小说、散文、诗歌、戏剧等。这些就是图书的主题域。

二、主题域的作用

主题域的作用就是为了管理和应用,在前端页面最显著的是数据地图的使用,帮助数据使用人员快速定位数据。

三、主题的划分

主题域的划分有两种方法:一是借鉴(抄),二是按照业务系统划分,三是按照业务线划分,四是按照部门划分,五是按照需求分。

1、借鉴

金融和电信都是最早建设数据仓库的行业,一些咨询公司为其形成了不少行业规范,金融行业可以参考如下规范:

IBM的FSDM模型,对金融数据域划分为九大主题域:关系人、合约、条件、产品、地点、分类、业务方向、事件、资源项目。

Teradata主导的FS-LDM对金融行业划分为十大主题域:当事人、产品、协议、事件、资产、财务、机构、地域、营销、渠道。

中国金融行业标准SDOM:主体、账户、品种、交易、资产、合同、渠道、营销。

举例----中国金融行业标准SDOM划分主题域:

数据治理之主题域(一)
**1、主体主题域:**主体是金融行业的参与者,主体数据包括人、机构、产品三个子域。这三个基础子数据域包含的实体下:

个人数据域:比如有投资经理、经办人、销售经理、担保人等,以及特定场景中和三类基础实体直接关联的业务实体包括客户、交易对手、股东等。

机构数据域:包含所有机构相关的外部数据,包括机构评级、机构所属行业、机构财报等。

产品数据域:包含产品相关的资产端信息,包括产品相关的项目、基础资产和担保品情况、

**2、账户主题域:**记录主体证券品种、资金持有极其变动情况的载体。

**3、品种主题域:**品种主要指的是金融工具,参考国家标准 金融工具分类编码。

**4、交易主题域:**主体相互的活动,可分为指令、委托和成交等。

**5、合同主题域:**主体开展某种业务或者购买某个品种的协议。

**6、资产主题域:**主体在证券市场投资,交易形成给主体带来经济利益的资源。

**7、营销主题域:**为获取、维护、增强客户关系而开展的促销活动。

2、按照部门划分

按照部门划分主题域适合较大的集团公司,各事业部业务交叉不大,不同的部门使用不同的主题域,适合烟囱式的独立性的数据集市。

3、按照业务线划分

按业务划分主题域主要适用于要监控每个业务过程细节的公司,可以按照业务线-业务过程进行划分,举例如下:

电商:

店铺域: 店铺相关的业务过程,如店铺的创建、关闭等等。

促销域:促销相关的业务过程,比如优惠券的发放和活动的创建

商品域:商品相关的业务过程,比如商品的创建、发布、删除等

用户域: 用户相关的业务过程,比如用户的创建、变更等

互动域: 互动相关的业务过程,比如点赞、收藏、分享等

交易域:交易相关的业务过程,包含加购、下单、支付、支付完成、退款、退单等全流程。

流量域:用户访问相关的业务过程,包含曝光、页面点击等行为。

新零售:

交易域:交易相关的业务过程,包含加购、下单、支付、支付完成、退款、退单等全流程。

营销域:发券、秒杀、核销、积分。

销售员:邀请、结算

行为域:浏览、搜索、咨询、加购

4、按照需求分

以需求划分的主题域类似于业务部门的划分,一般适用于数据集市的建设,举例如下:

某人力部门需要对人力资源的建设进行盘点,主题域可划分如下:

员工基本信息、员工绩效信息、员工考勤信息、员工薪资信息四个主题域。文章来源地址https://www.toymoban.com/news/detail-451959.html

到了这里,关于数据治理之主题域(一)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 统计学补充概念-13-逻辑回归

    逻辑回归(Logistic Regression)实际上是一种用于解决分类问题的统计学习方法,尽管其名称中带有\\\"回归\\\"一词,但它主要用于处理分类任务。逻辑回归用于预测一个事件发生的概率,并将其映射到一个特定的输出类别。 逻辑回归的基本思想是,通过一个线性组合的方式将输入特

    2024年02月11日
    浏览(48)
  • DAMA学习笔记1:概念模型-逻辑模型篇

    A实体的某个字段指向 B实体的主键, 则称A实体的那个字段为该实体的外键, 一个表里可以有多个外键,也可以没有外键; 被指向的实体称为主实体(主表),也叫父实体(父表),负责指向的实体称为从实体(从表),也叫子实体(子表)。 一般在哪个表里定义外键,这个表就是子表

    2024年02月11日
    浏览(34)
  • 神经网络基础-神经网络补充概念-02-逻辑回归

    逻辑回归是一种用于二分分类问题的统计学习方法,尽管名字中带有\\\"回归\\\"一词,但实际上它用于分类任务。逻辑回归的目标是根据输入特征来预测数据点属于某个类别的概率,然后将概率映射到一个离散的类别标签。 逻辑回归模型的核心思想是将线性回归模型的输出通过一

    2024年02月12日
    浏览(40)
  • 数据治理与数据安全治理思考

    大数据经过多年发展,在不同的业务场景下得到深入应用,在企业提升经营目标、促进经营决策,以及通过大数据应用促进经济发展、优化民生工程、解决生活服务便捷等场景起到了重要作用。特别是十九届四中全会史无前例的将“数据”作为新型生产要素参与收益分配,一

    2024年02月11日
    浏览(40)
  • 【数据治理】数据治理的定义和价值

    数据治理是什么?(是什么) 数据治理(Data Governance)是组织中涉及数据使用的一整套管理行为。 由企业数据治理部门发起并推行,关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。 由于切入视角和侧重点不同,业界给出的数据治理定

    2024年02月02日
    浏览(32)
  • 数据治理——滴滴大数据成本治理实践

        原文大佬的这篇本文主要介绍滴滴大数据在成本治理方面的实践。有些内容是有借鉴意义的,这些摘抄下来用作沉淀学习。如有侵权,请告知~   从上图所示:最底层是以数据引擎为基础的 数据存储 ,分为离线计算、实时计算、OLAP、NoSQL、日志检索和数据通道六个部分。

    2024年03月13日
    浏览(53)
  • 神经网络基础-神经网络补充概念-11-向量化逻辑回归

    通过使用 NumPy 数组来进行矩阵运算,将循环操作向量化。 向量化的好处在于它可以同时处理多个样本,从而加速计算过程。在实际应用中,尤其是处理大规模数据集时,向量化可以显著提高代码的效率。

    2024年02月12日
    浏览(36)
  • 嵌入式科普(5)ARM GNU Toolchain相关概念和逻辑

    一、目的/概述 二、资料来源 三、逻辑和包含关系 四、Arm GNU Toolchain最常用的命令 嵌入式科普(5)ARM GNU Toolchain相关概念和逻辑 对比高集成度的IDE(MDK、IAR等),Linux开发需要自己写Makefile等多种脚本。eclipse、Visual Studio等需要了解预处理、编译、汇编、链接的过程,但无需自己完

    2024年02月03日
    浏览(40)
  • 数据治理服务及数据治理应用解决方案

    本资料来源公开网络,仅供个人学习,请勿商用,如有侵权请联系删除。 数据治理是指将数据作为组织资产围绕数据全生命周期而展开的相关管控活动、绩效和风险管理工作的集合,以保障数据及其应用过程中的运营合规、风险可控和价值实现。 数据治理体系是指从组织架

    2024年02月09日
    浏览(35)
  • 数据治理(二)-基线治理

    本文只是大概讲,基线任务治理方法,分为从基线owner和节点owner角度讲述分为两个部分:   Owner离职/转岗。   基线配置不合理。   高频预警/破线治理。   应急不及时治理。 2.1模型治理 2.1.1 ods类   超大DataX治理   多源sls日志   超大merge任务治理 2.1.2 dwd类   高频超大明细

    2024年04月11日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包