产品
一站式数据治理平台
DDM 数据模型管控平台
模型设计与管理一体化工具,实现从源头治理数据
DAM 数据资产管理平台
自动盘点企业数据资产,发现数据质量问题。
DDC 数据资产目录平台
指导资产目录搭建,为企业构建数据资产门户
DDS 数据安全管理平台
通过AI算法、自动识别等手段进行数据资产的分类分级
数据治理工具 Tools
DDM Archy 数据架构工具
架构资产管理工具,依托于DDM的基础建模能力,对架构资产,进行专项设计和管理
Datablau SQLink 血缘解析工具
高度自动化,简单易用的分析SQL语句并发现其中的数据血缘关系的可视化分析软件
Datablau D3 数据开发管理工具
数据治理贯彻自始至终,让数据开发更规范,更可控,更敏捷、质量更高。
Demo 演示
在线血缘解析
产品免费试用
服务
实施与咨询服务
数据治理轻咨询服务,在数据治理现有成果的基础上,围绕数据治理的落地实施,为企业数据治理的常态化运营提供能力支撑。
企业内训
根据大中型企业数据治理的实际情况和行业特性,制定的个性化和定制化的培训课程,帮助企业解决实际问题。
解决方案
通用解决方案
数据安全与合规解决方案
数据资产管理与服务解决方案
数据中台综合解决方案
数据模型管理解决方案
数据治理综合解决方案
行业解决方案
银行业
保险行业
基金行业
制造行业
汽车行业
标杆案例
生态合作
项目交付生态合作
以Datablau产品/解决方案为核心,为客户提供项目实施交付及技术服务支持的合作伙伴
渠道销售合作
经授权向客户出售Datablau的产品/解决方案/服务的销售代理商
校企合作
产教融合,联合培育高阶数据人才的高校合作伙伴
资料中心
关于我们
了解Datablau
企业简介
招贤纳士
联系我们
Datablau动态
新闻动态
干货文章
400-6033-738
免费试用
以技术驱动 打造世界级数据治理产品
免费试用
Datablau荣获2023年DAMA数据治理优秀产品奖
免费试用
银行业数据治理解决方案,全面赋能数智化建设
免费试用
Datablau 一站式数据治理平台
DDM
数据模型管控平台
标准落标
模型管控
模型设计
协作共享
免费试用
查看详情
DAM
数据资产管理平台
元数据管控
基础标准管理
指标标准管理
数据血缘与图谱
免费试用
查看详情
DDC
数据资产目录平台
数据资产目录
数据资产门户
数据资产搜索引擎
数据服务
免费试用
查看详情
DDS
数据安全管理平台
智能数据分类分级
访问权限设置
数据安全网关
数据静态脱敏
免费试用
查看详情
以业务驱动,构建智能数据资产生态管理
免费试用
适配行业和业务的数据治理解决方案
通用解决方案
数据安全与合规解决方案
查看详情
数据资产管理与服务解决方案
查看详情
数据中台综合解决方案
查看详情
数据模型管理解决方案
查看详情
数据治理综合解决方案
查看详情
行业解决方案
银行
保险
基金
制造
汽车
打造智能化数据治理服务,重塑银行数智化竞争新优势
银保监对金融机构数据治理工作尤为重视,发文《银行业金融机构数据治理指引》,要求银行业金融机构将数据治理纳入公司治理范畴,并将数据治理情况与公司治理评价和监管评级挂钩。
获取方案
全面推进保险业数字化转型,推动金融高质量发展
有效促进行业提升信息化程度、风险管控能力、行业治理水平和服务实体经济能力,从而提升保险行业整体竞争力。
获取方案
基金行业数据治理探索与实践
深入贯彻落实党的二十大精神,引导基金行业机构践行《证券期货业科技发展“十四五”规划》,共促基金行业数字化转型
获取方案
智慧制造 — 制造行业一站式数据治理平台
制造企业积累的数据资产越来越多,急需一套数据治理解决方案来帮助企业降低工业化生产成本,实现企业信息一体化管理。
获取方案
汽车行业数据治理解决方案
只有对数据进行有效的、高质量的治理,才能尽早发现数据的问题、提高数据质量、发挥数据价值、提升经营管理能力,在汽车数字化竞争中赢得先机。
获取方案
200+
TOP企业的共同选择
生态合作伙伴
诚邀有渠道优势、项目交付优势的合作伙伴,整合资源,合作共赢,共同打造数字化应用生态体系
成为生态合作伙伴
项目交付
查看详情
渠道代理
查看详情
校企合作
查看详情
让数据治理真正改变企业数据应用能力
免费试用
Datablau 动态
公司动态
干货文章
Datablau证券数据资产智能识别知识库获北京国际大数据交易所登记
近日,Datablau的行业知识图谱成功获得了北京国际大数据交易所颁发的数据资产登记凭证,这一里程碑式的成就标志着数语的数据资产已经得到了大数据交易所的充分价值认可。 这一重要资质认证的取得,不仅标志着Datablau证券行业数据资产智能识别知识库的管理体系和数据质量得到了权威机构的认可,也意味着其在数据资产管理和保护方面所付出的努力和取得的成果。这意味着Datablau的知识库在数据质量和合规性方面得到了认可,并被视为合法可用的数据资产。 随着数据资产在证券行业中的地位日益重要,Datablau证券行业数据资产智能识别知识库利用先进的人工智能和机器学习技术,对证券行业数据进行全面而精准的识别和处理。通过这一登记凭证,Datablau的知识库进一步增强了其数据质量和可信度,为用户提供了更高质量的证券行业数据服务。为了积极响应财政部发布的《企业数据资源相关会计处理暂行规定》,Datablau正在考虑将这一宝贵的数据资产以及更多沉淀的数据资产纳入财务报表,以展示其无可估量的价值。 Datablau数据治理平台,凭借其智能数据资产盘点与智能数据安全分类分级功能,深受企业青睐。而这两大功能背后的秘诀,正是Datablau梳理的行业知识图谱。这一图谱的构建,倾注了数语科技资深咨询顾问们数月的辛勤努力,他们以深厚的行业业务理解为基础,精心打造而成。这份宝贵的行业知识图谱,不仅赋予了Datablau数据治理平台强大的智能分析能力,更为企业提供了一个数据安全与效率并重的有力保障。
再添佳绩|Datablau再迎一波签约捷报!
营销奋进正当时。近期,Datablau市场开拓捷报频传,再迎新一波签约捷报!顺利签约中国航信、浙江中控、国信证券、华安基金、上海新能源汽车公共数据采集与监测研究中心等多个大型数据治理项目,满弓紧弦冲刺年末“收官之战”。Datablau将依托在数据治理领域多年积淀的技术能力和服务能力,为签约客户提供高效、稳定、安全的平台支撑,持续为企业数字化转型赋能。多年来,Datablau在技术和产品上不断迭代与突破,从深耕对数据极为敏感的金融行业并沉淀了建设银行、中金、泰康等多家重点标杆金融客户,到目前将服务行业扩展至制造、能源、零售、物流、地产等10+行业,Datablau始终立足市场需求,未来将继续以更优质的产品和解决方案为更多行业的客户提供全方位的数据治理技术和服务支持。
捷报频传|Datablau再拓行业新标杆!
Datablau市场开拓延续强劲态势,签约喜讯纷至沓来,近日成功签约宁德时代、澳优乳业、欧冶云商、潍柴动力、远度云等多个数据治理标杆项目,标志着Datablau在新能源、快消、物流链等行业逐步建立领先优势,也为后续进一步开拓新市场奠定了坚实的基础。自成立以来,Datablau积极把握行业发展机遇,积极参与产品国产信创化进程,构建了自主研发的一站式数据治理平台,助力企业加速数字化转型。目前,Datablau已成为数据基础软件领域的重要开拓者之一,着眼未来,Datablau将会继续深耕数据治理领域,紧跟国家大数据战略,为更多行业客户提供优质的产品和服务,赋能更多企业客户激活数据要素价值。
EDW国际数据管理最新趋势(二)|信息供应链与数据产品
最近Data Fabric、Data Mesh、DataOps等话题非常火。其实,信息供应链谈的也是同样的东西,那就是如何将数据治理与数据集成整合在一起的解决方案。下图虽然简单但涵盖了非常大的信息量。将4A架构进行了拆解,应用架构与技术架构主要是支撑业务,业务架构与数据架构驱动企业进行数字化变革,在这个过程中靠数据架构打通数据与业务。下面讲述如何设计一个数据产品。类似敏捷开发的Use Case设计,数据产品的设计也可以用一张画布来展示,包括数据产品的输入、输出接口设计,元数据设计,使用场景设计等。接下来是一个具体的数据产品的画布例子。《设备错误修复》这样一个数据产品,输入是IoT数据,通过过滤与加工,捕获异常数据,并进行修复。回到信息供应链,从经典的Bill Inmon数仓体系,从贴源层到数仓到数据集市也在逐步升级,越来越多数仓模型采用更为灵活的Data Vault模型。数据集市变化更大,除了传统的维度模型支撑BI报表和数据可视化,也输出面向数据挖掘平台的数据资产目录,面向AI的知识图谱,面向SOA的流式数据输出等。 最后我们看一下信息供应链全景图第一:数据产品的设计,包括数据产品业务需求(Use Case)设计和数据模型设计(业务逻辑模型)第二:从数据生产到数据消息,中间分为三层:贴源层、中间层Data Vault、信息访问层(多种形态) 总结一下,信息供应链的核心是数据产品,数据产品的核心是设计(业务需求与数据模型)。
EDW国际数据管理最新趋势(一):数据战略与数据治理
今天有幸给大家分享一下,我在前不久参加刚刚召开的EDW2023的一些内容。考虑到分享内容是原汁原味的,所以很多PPT就用的原始英文版。我会给予相应的讲解。EDW大会全称Enterprise Data World,是DAMA International(国际数据管理协会)的年度峰会,由Dataversity主办,是最全面的关于数据和信息管理的全球会议,至今已举办26届。EDW期待什么:为期5天的会2天的深入教程和研讨会50多个案例研究200小时的教育行业专家和从业者专业认证(CDMP)培训和测试1,000多名与会者介绍高级主题最佳实践尖端技术展厅和新产品展示EDW的参与者:由下图可以看出,也是以大型企业为主。各行业都有参与,金融、能源、制造、零售、政府等,与国内情况类似。 这是一些EDW的演讲者,我们熟悉的行业大咖Robert Seiner,《数据质量十步法》的作者Danette Mcgilvray, John O’Brien, Donna Burbank, Peter Aiken。EDW2023在洛杉矶的Anaheim举办,著名的Disney Land就在旁边。我是唯一一位从中国来参加EDW2023的,也是唯一一位华人演讲者。所以今天给大家讲讲EDW2023的见闻及数据治理的国际趋势。(EDW2023开幕式)下图是我在EDW2023的演讲现场,演讲内容是关于数据模型管控与DataOps,现场座无虚席,大家听的很专注,时不时有人提问题讨论,演讲之后有很多人也过来找我单独讨论,对我的演讲很认可,我很有信心的讲我们的数据模型管控解决方案在国际上是很先进的。下面,我会精简四个EDW2023的演讲主题。第一个是《数据战略与数据治理》,由大咖Donna Burbank演讲, Donna是我的老同事、老朋友,曾任Erwin产品营销VP,我们之前经常一块出差。在本次DAMA中国数据管理峰会上,DAMA国际副主席Marilu Lopez也分享了数据战略的主题演讲。数据战略这个话题比较泛,Donna的演讲很诙谐,我觉得值得拿出来分享一下。定位业务场景是数据战略的首要任务。业务场景无非是在降本、增效、合规、安全这几个大的方向里面找,根据企业的实际情况。其次,如何将数据治理通俗化,你可以先拿家里人做练习,听听非专业人士如何理解数据,试试如何说服他,把数据治理的价值灌输给他。因此,数据战略的推进执行更多需要的是业务视角和通俗化,而不是专业大佬。像下面这张图,数据架构师在大声疾呼“你的数据模型不是三范式将会世界末日”这显然不适合数据战略的宣导。业务高管都是结果导向,跟他们的沟通要简单直接,像“将客户数据与产品使用数据关联,可以提高销售额”,直接讲数据对业务的帮助。可见,西方数据治理发展了40年,仍然需要不断地将数据治理通俗化、业务导向的宣贯。经典的2分钟电梯营销。当你跟CEO在电梯偶遇,你如何介绍你的项目给CEO? 讲“跨数据源的元数据采集,确保一致性”?显然CEO不知道你在说什么。 “获取线上营销活动的客户画像”,CEO听了兴奋点就来了,数据治理继续加大投入!所以,我们做数据治理的人还要学会将其通俗化,跟专业外的人士交流,尽量通俗化,讲业务场景。先将更多的人拉入自己阵营,而不是高高在上的专业老学究,与别人无法对话。团结了利益相关方,我们就可以逐步开展体系性数据治理。 “胡萝卜加大棒”、“阴阳”,一方面管控,一方面共同决策(拉着干活)。除了战略,相关制度、组织架构、衡量标准、平台工具都是需要搭建的。 下面的文化和沟通是重要基础,需要不断地培训和宣贯。这是细化的关键步骤,大家可以参照一下自己企业的数据战略进行补充。
数据资产与自助BI的一体化实践
01数据资产中的数据治理随着数据资源被提高到数据资产的高度,数据治理成为确保有效管理和利用数据资产的一组流程和技术,而数据资产目录是包含企业数据资产的全息描述信息的存储库,并充当有效管理数据资产的(逻辑上的)单一事实来源。组织中的分析师和数据科学家有效地使用数据资产目录来回答业务问题,数据治理专员通过数据资产目录实施数据治理策略,并促进数据的正确使用。通过资产目录发布的数据资产,通过以下数据治理能力达成资产认证:数据质量保障 :数据资产是在有效数据质量监控下的有效数据,通过业务规则承袭,业务用数需求等建设数据治理度量规则,确保用户在使用数据时,或者数据管道搬运数据时,系统把数据质量问题及时提醒数据分析师,以便评估数据质量对数据分析的可用性。权威源头认证:数据资产目录帮助我们识别哪些数据集是数据的权威源头,并通过认证的方式发布资产,并跟踪数据所有权和认证随时间的变化。数据分类分级:数据安全治理要求根据数据敏感度、PII 以及其他关键元数据对数据进行数据安全的分类分级。数据安全等级是数据资产如何共享和流通的依据,是数据资产必备的属性。数据血脉关系:在使用数据集之前,分析师必须首先了解基础数据的来源。数据血缘关系图是对数据来源的可视化展示,为数据集成建立了完整的数据加工流向说明,可以帮助用户确定数据是否具有正确信息,以帮助回答特定业务问题。指标与标准:如果一个组织对关键企业指标和业务属性没有一套一致的定义,那么随着时间的推移,不同的分析师总是会使用一组不同的规则来衡量同一个指标。这种不一致给企业带来了一组相互矛盾的分析结果,并导致对数据缺乏信任。其它重要信息:使用情况统计信息是从基础 BI 工具中收集的,并在数据治理工具中呈现给用户。这些统计信息标识了业务用户对每个数据集的使用程度,并由业务用户来确定哪些数据集在用户群中获得了使用,哪些数据集则尚未发掘业务应用。02数据资产与企业级BI数据资产目录提供的丰富业务元数据,对于数据分析师和数据科学家来说是非常宝贵的,因为他们可以了解更多的数据上下文信息,并决定在分析中使用哪些现有资产。不过,只靠这个工具还不能完全满足组织的完整治理需求,因为它们无法支持企业中所有数据使用者的需求。典型的业务用户不会将数据目录工具用作其日常工作的一部分,市场上的BI和分析工具通常没有与数据资产进行有效集成,用户不会从其中包含的大量信息中受益。因此,许多组织都难以从维护这些工具中的治理数据所需的大量持续投资中实现业务价值。另一方面,随着数据管理的发展,企业级BI成为企业数据管理要求,越来越多的企业要求数据分析在数据安全可靠,可管可控的背景下开展:数据安全和合规性: 受管理的BI解决方案包括强大的数据安全措施,以确保敏感数据的保护。这有助于确保企业数据不会被未经授权的人访问。此外,它还有助于确保企业符合法规和合规性要求,如数据安全法,个保法等。数据整合和质量控制: 受管理的企业级BI解决方案通常包括数据整合和质量控制功能,以确保数据的一致性和准确性。这有助于减少数据错误和冗余,提高数据可信度。用户权限和访问控制: 受管理的企业级BI解决方案允许企业管理员配置用户权限和访问控制,以确保只有授权人员能够访问特定数据和报表。这有助于保护数据的安全性。综上所述,数据资产的治理和BI可视化分析是相辅相成的关系,将两者结合起来,可以让BI的自服务能力更强,惠及更多业务用户。同时也让数据治理有的放矢,数据资产落地可用,发挥数据治理的显性价值。下面我分享一下Datablau的探索。03数据分析治理一体化方案(即D&A治理方案)数据与分析(D&A)治理方案是一种组织内部的框架和策略,用于确保数据和分析活动在组织内部有效管理、保护和利用。一个健全的D&A治理方案有助于确保数据的质量、合规性、安全性和可用性,以支持决策制定和业务运营。整个方案涉在产品和工具上,主要达到这几个点:3.1 数据视图统一数据资产的统一编目,可以按照业务的架构关系或者分析主题,将数据进行分类,非常便于用户找到有用的数据。BI工具中通常从数据库中采集到的元数据,是没有业务视角的技术元数据,业务用户需要在技术人员的帮助下,将数据进行分类并进行补全,这在一个企业级发生时,对企业整体分析造成很大的阻碍,不利于数据驱动的数据分析。在我们的产品中,通过BI的接口,我们将元数据的业务语义等信息写入BI数据集中,并将数据目录和数据权限信息同步到用户视角之下,这对于最终用户是非常好的体验,也是数据治理组织应该赋能的方式。 (以FineBI和YonghongBI为例)3.2 数据权限统一数据安全与合规是企业级数据管理的关键要求。在数据资产的定义中,完善了数据的所有者,技术管理者,参与者等干系人信息。同时也定义了数据的安全类别和等级。最后我们需要定义数据和组织间的数据访问策略和授权体系,这使得数据具备了标准化的流通和共享,同时在安全体系的审计和监控之下。传统BI应用都采用了主题集市,这是一个分布式的以部门为单位的数据使用模式。这种模式之下,数据的授权和复制是很难追踪的。现在企业的数据授权,大多是基于权限电子流的授权体系,这在数据比较少的情况下,还可以运转,但是一旦多到授权部门无法执行的地步,我们可能会被迫放松甚至放开数据权限的管理。这在过去很多企业都发生过。根据这些痛点,Datablau发布了基于企业岗权体系统一数据访问的方案。 (基于岗权体系的数据授权与访问)在这个方案中,个人对数据的访问,完全由所在岗位决定。数据的权限粒度到行级和列级,按照对岗位的授权,进行RBAC粒度的权限绑定。最后数据的访问完全由数据网关进行控制。这个方案的优点是管理简单,融入到岗位体系中。最终用户无感知,权限约束由数据网关完成。 (数据网关技术架构)3.3 建立可用数据资产开发流程数据资产的可用性(Availebility)是保持数据资产活力的重要指标。业界过去进行了大量的数据资产盘点的工作,对数据的业务实体进行了整合定义(参见华为L3-L4实体定义),这对于推动业务对数据的理解和管理,数据的业务化连接等方面起很大的作用。然而这对于本文的数据资产与企业BI的一体化运营,还是远远不够的。此项工作的问题主要是盘点的数据资产是一个初级产品,距离可交付的数据产品,还需要大量的工作。在我们的实践中,将数据资产的逻辑层盘点和数据交付进行了拉通,确保发布到BI的数据资产是可应用的数据,并对此进行的专项管理。通过对数据资产的分类,我们将数据资产分为物理态,逻辑态,以及可交付。通过将数据资产和BI数据交付融入到一个体系中,更好的服务了用户。也是我们践行主动数据治理的理念,发挥数据治理的价值。04总结BI工具是我们业务部门最重要的数据分析工具,通过这个集成方案,达到数据资产的赋能,更有利于提高业务部门数据分析能力。同时这也是数据治理非常好的机会,融治于用的主动治理方法,让数据治理价值显性化,提高了组织的业务可连接性。Datablau的产品矩阵和解决方案,为以上方案提供支撑,经过数个案例验证,取得不错效果,希望对您有借鉴意义。
扫码关注
datablau 更多资讯
电话咨询
在线咨询
免费试用
投诉反馈
电话:400-6033-738
产品咨询及商务合作请联系
sale@datablau.com
投诉反馈请联系
support@datablau.com