分布式数据质量管理系统在电力企业的实践和应用

随着企业信息化水平和企业精细化管理要求的不断提高,企业对数据管理的需求也随之增强,如何提高企业数据质量更是需要重点解决的问题.针对电力企业数据质量管理面临的挑战,创新提出了分布式数据质量管理解决方案.针对集中式数据质量系统的性能瓶颈,在研究数据质量系统特点并借鉴国内外对大数据的解决方案后,提出了基于Hadoop分布式处理框架的解决方案.利用Hadoop集群,可以把缺陷数据从Oracle 中抽离,分散存储在集群里多台服务器上,以有效提高磁盘I/O性能和数据分析性能.     

信息化时代企业数据质量管理研究

在信息化飞速发展的时代,数据是企业至关重要的资源,是企业的核心,而数据质量是企业提升业绩和盈 利能力的关键。为了确保企业的数据质量,从数据维度及其定义、质量标准及其定义和评定方法等方面提 出了企业数据质量框架。该框架可用于指导企业获取高质量的数据,同时针对企业不同用户和任务对数据 质量的不同要求,提出了数据质量管理模型,为企业开展数据质量管理提供了参考依据。     

基于一体化平台数据中心的数据质量管理在内蒙古电力公司的应用

在一体化平台数据中心系统建设过程中,为了对数据进行科学有效的管理和质量控制,为决策者提供可信的决策支持,数据中心建设了数据质量管理平台。从信息技术及管理控制两方面入手,对数据质量管理的实现方案进行深入分析,建立了一整套数据质量管理体系,提升了企业数据质量,保证了数据中心系统能够提供准确、科学的数据。     

数据质量管理实践体系探讨

针对政府数据应用过程中常见的数据质量问题,通过对实践工作的总结,提出一种政府数据质量管理的实践体系。重点介绍政策规范和标准、数据源头管控机制、数据质量管理流程体系、数据质量实施管理体系等维度,结合质量管理对象、管理维度、质量管理规则、数据质量协同改进探讨政府数据质量管理构建有效路径,加速推进政府数据共享和实践。     

电信数据质量管理与稽核研究

深入研究数据质量管理理论,形成了电信企业数据质量的定义、度量、分析与改进的闭环管理框架,探讨了电信企业开展数据稽核的方案,并构建了数据质量管理与稽核系统,实现了数据质量管理与稽核全过程的自动化处理.     

模型驱动的数据管理在电网企业的实践与应用

随着企业信息化水平和企业精细化管理要求的不断提高,企业对数据标准、主数据、编码统一管理及数据质量检查的需求也随之增强。为实现电力企业数据资源的有效管理,充分发挥数据资产的价值,本文开展了数据管理的探索与实践,针对电力企业在主数据管理、编码管理、数据标准管理、数据质量管理方面的主要问题进行分析,提出了模型驱动的数据管理解决方案。     

基于大数据技术的房屋管理系统

信息技术对人们的生活产生巨大的影响,传统房屋管理方式无法有效对信息进行统计及管理,甚至发生信息丢失等问题,对事业单位房产管理及中介房源管理产生影响,群众也无法及时查询房产信息。对此,在大数据背景下构建房屋管理系统较为必要。本文探究房屋管理系统建设背景及房产管理工作基本内容,提出大数据技术的房屋管理系统建设策略及应用策略。     

基于CWM的数据质量管理模型

数据质量管理已经成为当今数据管据质量存在的问题和数据质量的度量,并提出了基于公共仓库元模型的数据质量管理模型的理论描述.     

基于数据分析的大数据质量管理平台应用研究

根据某用户现有数据中心支持数据源种类有限、不能在线实时数据质量管理、支持数据质量管理规则不丰富、操作可视化程度不高等问题,重点对涉及的大数据抽取、质量检测和统计分析相关的数据采集、数据质量检验等关键技术展开研究,开发出大数据质量管理平台工具,可为各类用户的数据中心进行数据质量管理。     

论数据质量的“真实性”与相关融合计算策略

数据成为数字化时代政府和企业的要素资产,数据质量是数据资产建设的核心工作。对数据质量的概念和传统“六维度”方法论进行了系统性审视,并结合实际案例阐述数字化时代应以“业务真实性”为数据质量工作的主线,并提出建设真实可信数据资产的融合计算策略。     

数据治理过程浅析

数据是一种参与企业经济活动的经济资源,是企业无形、有价值的核心资产,维护数据质量是一个长期而艰巨的任务,然而企业有可能花费大量精力和金钱在保护某些没有价值的数据上。有效的管理和使用数据可以减少和消除企业经济活动中的风险。数据综合治理是提升数据资产管理与应用水平的关键举措,是进一步梳理业务流程及其数据标准、加强跨业务部门的协同、提升信息系统应用收益的过程,是帮助企业强化标准、提高数据质量、控制成本的重要工作内容。     

论数据质量的"真实性"与相关融合计算策略

数据成为数字化时代政府和企业的要素资产,数据质量是数据资产建设的核心工作.对数据质量的概念和传统"六维度"方法论进行了系统性审视,并结合实际案例阐述数字化时代应以"业务真实性"为数据质量工作的主线,并提出建设真实可信数据资产的融合计算策略.     

Business Objects三年磨一剑 全新EIM解决方案出击中国市场

Business Objects全球副总裁、大中华区总裁高树楷说：“在构建高绩效企业的过程中，第一步工作就是要保证用户信赖他们所获得的信息，而一个完整的EIM解决方案将确保每一位决策者都能够获得准确而统～的数据。Business Objects已经开发出了一整套EIM解决方案，很好地与Business Objects XI这一迄今为止业界最为先进和完整的BI方案融合在一起，它将有助于客户提升企业绩效。”他表示，Business Objects为广大用户提供业界领先的数据整合、元数据管理和数据质量管理，     

保险业务数据质量指标体系及指数研究

数据质量是一个抽象概念。针对保险业务,如何评价数据质量,提升数据质量一直是困扰数据管理人员的一大难题。通过借鉴信息生命周期管理理论与数据治理成熟度模型,从数据生命周期的角度,对影响数据每个周期的环节进行主要因素分析,结合保险业务的特点形成了相对全面的数据质量指标体系。同时,根据应用实践的需要,通过利用数理统计的技术完成了数据质量指数模型的建立,指导数据质量工作的改进。     

基于事例推理的质量管理系统模型的建立

随着企业信息化的发展，数据库技术广泛应用于质量管理中，汽车企业积累了大量的数据．如何发现这些数据背后隐藏的有用信息以及运用这些信息指导生产，成为企业亟待解决的问题。     

基于智能化数据探索的数据质量管理方法

数据作为推动经济社会发展及数字化转型的新动能已成为社会共识,数据质量已成为影响数据要素发挥价值的重要因素。在政务领域,随着数据应用的深度和广度逐渐加强,数据质量问题已成为数据深化应用的制约因素。以数据质量管理相关理论为基础,以源头数据质量管控为手段,提出了基于智能化数据探索的数据质量管理方法,即通过数据质量管理激活数据资源价值,该方法在政务数据质量管理工作中具有借鉴意义。     

浅析"大数据"背景下谈计算机信息处理技术

科学技术日新月异,当今时代已是信息爆炸时代,网络已经走进了人们的日常生活,大量的用户活跃在网上,产生了一个巨大的数据资源库,这个数据库对于企业是巨大的商机,对于国家则可以洞察社会动态,制定利国利民的政策.本文分析了在"大数据"背景下,计算机信息处理技术对我们生活带来的机遇和挑战,还探讨了计算机信息处理技术的特点、存在的问题以及发展前景.     

基于大数据环境的G项目成本管理优化的探讨

项目成本管理主要是针对企业项目实施过程的全面管理与把控,确保企业良好完成成本管理计划制定、成本估算、预算及成本控制工作,保障企业可以在批准预算范围内落实项目建设,从而实现成本利用最优化。对于建筑企业而言,项目成本管理是助力于企业实现成本节约与控制、开源节流的重要工作,也是内部管理不可或缺的重要单元,可以提高企业的经济收益与市场竞争力。而面对日新月异的大数据社会,发达的科技对企业的项目成本管理工作优化提供了良好的助力,大数据环境使企业项目成本管理工作同时面对着挑战与机遇。在G项目成本管理中,利用大数据技术可以更高效地进行海量多样化数据的处理,快速筛选捕捉有效信息,清晰梳理项目成本构成,从而实现科学的成本分摊与归集。本文在浅析项目成本管理基本概念的基础上,分析大数据对G项目成本管理带来的影响与挑战,具体探究大数据环境下G项目成本管理的优化策略。     

航空维修企业精益化管理中的质量保障探讨

精益化管理是现代企业成本控制的有效管理手段,国内外先进的企业从精益管理的实践中,获得了巨大的经济、品牌效益。航空企业是一个高投入、低回报的行业,更加适合于精益管理方法的推广。文章对航空维修企业实施精益管理、精益优化过程中的质量保障课题进行了阐述,论诉了"浪费"与"安全冗余"、"维修时间效益"等方面的问题,具有较强的指导意义。     

军事信息系统数据质量评估方法研究

为提高军事信息系统数据质量评估能力,针对军事信息系统数据质量控制和管理的特点,分析了影响数据质量评估结论的主要因素,划分了数据质量缺陷等级,在此基础上,研究提出了一种基于层次递进的数据质量评估方法,为有效地控制军事信息系统数据质量提供了参考依据。