京公网安备 11010802034615号
经营许可证编号:京B2-20210330
主数据管理挖掘业务价值
在全新的数据时代,企业只有将核心业务数据更好地掌握在手中,才能从中萃取更大的业务价值,进而优化品牌管理、打开进入市场的新渠道并加强客户关系。但是,以不同格式存储在企业不同系统中的不一致或重复的数据,正在不断为数据管理者制造新的烦恼。伴随数据管理技术的演进,主数据管理(Master Data Management,简称为MDM)正在成为应对数据质量及数据管理一致性挑战的重要利器!近日,Informatica高级副总裁兼主数据管理业务部门总经理Dennis Moore以及Informatica公司大中国区总经理王晨杰与记者深入探讨了在大数据时代下主数据管理领域的现状、方法以及发展趋势,并全面介绍Informatica最新的主数据管理解决方案及应用优势。
主数据管理促进业务经营发展
云计算、社交计算及移动计算这些技术趋势共同参与到对信息产业三个基本问题的重新定义中,那就是
“Where”、“What”以及“How”。计算“地点”正在从企业内部移往云计算,创造出新一波数据碎片,改变着计算的经济学;计算“内容”正在从SAP、Oracle等业务应用的“交易处理”转变为Facebook、Twitter等社交媒体服务的“交互处理”,从而衍生出史无前例的大交互数据量;计算“方法”则从桌面计算机转向移动设备,为计算带来了观念上的改变。这些庞大的新型数据能够带来前所未有的商机,但是假如企业无法适应不断增长的数据容量、种类和速度,无法将核心业务数据更好地掌握在手中,将招致无法预料的开支、复杂性及风险。Dennis
Moore指出,企业需要通过不断学习,在快速发展的环境下适应新数据需求。
Informatica把数据分为互动性数据、交易数据以及主数据三种类型,主数据是指系统间共享数据(例如客户、产品、供应商、账户和组织部门相关数据),是企业的核心数据,在企业运营中担当着关键角色的数据实体。对于业务数据的管理者来说,主数据虽然不如记录业务活动、波动较大的交易型数据变化快,但是做好主数据的管理对企业的业务经营大有帮助。
Dennis Moore还以生动的例子介绍了大数据时代主数据管理的主要功能,他指出,主数据管理主要对数据进行匹配,寻找真实、有用的数据。现在企业数据的存储比较分散,且存储格式各异,那么究竟哪些是对企业有用的数据呢?比如供应商如果不适合又应该如何找着另一家优质供应商?从零售角度来讲如何知道客户已经在实体店以及网上买过产品?主数据管理确保了数据的质量和真实性、对数据属性进行统一定义,同时提供了统一的客户视图,企业通过主数据管理,可以很好地洞悉业务数据中所隐藏的价值,解决上述这些日常经营中所面临的常见问题,加强客户互动式的营销和销售管理,提升数据的回报率。
Informatica加速主数据管理创新
利用Informatica强大的合作伙伴生态系统,客户可在多个垂直行业中构建先进的主数据管理技术,并使其能够获得最好的解决方案,其中包括零售业、金融服务业、制造业、生命科学、医疗、政府和能源等。作为客户数据解决方案主数据管理魔力象限中的领导者,Informatica以不断的创新,持续加速MDM的增长和计划性,例如,
Informatica Cloud MDM、Facebook社交媒体连接器以及用于iPad的Informatica
MDM和针对于大数据的高速主数据身份识别解决方案。即将发布的Informatica
MDM新版本将会带来更大惊喜--数据处理性能更快。其原因是引入了内存处理的能力,所谓“内存处理”,就是把主数据的处理操作从原来的数据库迁移到应用服务器内存中,以实现横向扩展,此举有望实现最高达100倍的能力的提升,大幅降低了客户的硬件部署成本,意味着主数据的投资回报更高。此外,新版Informatica
MDM新增对SQL Server和SAP HANA的支持,同时提供新的开发工具包,以及BPM(业务流程管理)集成和动态数据屏蔽功能。
值得一提的是,作为Informatica数据集成平台的一部分,Informatica
MDM产品拥有非常灵活的定制能力,以适应不同行业应用的需求。当环境发生变化需要生成新系统时,Informatica
MDM并不用进行编程生成代码,而是通过元数据来处理,不用停机测试,灵活的适应能力对客户来讲常重要。
在大数据时代,Informatica主数据管理针对存储在云中的数据、社交数据、移动数据等不同类型的数据进行管理。在未来,主数据管理多域部署的情况将更加普遍,并采用云中部署、混合部署等新模式,同时支持不同移动终端的接入。除了为中国市场提供功能强大的主数据管理产品外,Informatica在2013年将进一步加大对于中国市场的重视程度。Informatica公司大中国区总经理王晨杰表示,不仅会有美国总部高层频繁来华指导业务,而且Informatica还进一步完善了与多家集成商的合作框架,包括MDM在内的Informatica数据管理核心产品的渠道扩展与推广将有序展开。
记者Q&A:
如何说服当前数据量不大,但未来扩展空间很大的企业
Informatica产品一个优势就是可以先从小数据量做起,然后根据需求不断的增加数据量处理。Informatica会有不同预定义的Package,来针对小企业、中型企业或大型企业。小企业可以先选择一个小的Package,其中包括MDM主数据管理、DI数据集成,DQ数据质量。随着企业数据量不断的增大,可以随时向Package里加新的产品。
Informatica关注的大数据,不仅仅是数据量巨大,更多是数据质量。企业最初建数据中心时数据量或许不大,没有关注数据质量,不做主数据的管理,这是一种错误观念。其实越早对数据进行有效治理,成本就会越少。大数据时代带给企业最大的好处就是降低成本和业务创新。
Informatica在中国市场的发展
Informatica非常关注中国市场,并保持着不断学习的心态,会随着市场趋势调整自己的发展战略。针对中国市场,Informatica在业务运作模式等方面做了很大调整,之前五、六年是通过自己与客户面对面的沟通来拓展业务,通过几年的积累,Informatica已经有了一定客户基础和品牌形象。现在,Informatica希望与行业中、市场中最顶级的合作伙伴结盟,他们能够帮助Informatca完成从初期积累到中国市场无论是行业还是区域市场迅速覆盖的深入推动,借助大数据的这样一个机遇在中国市场做一个大的飞跃。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14