发帖
雷达卡
FineBI数据可视化&数据治理专业详解
【数据库】
数据可视化专业详解
数据可视化是关于数据之视觉表现形式的研究；其中，这种数据的视觉表现形式被定义为一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。
数据可视化定义数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。
数据可视化技术概念
数据可视化技术包含以下几个基本概念：
①数据空间：是由n维属性和m个元素组成的数据集所构成的多维信息空间；
②数据开发：是指利用一定的算法和工具对数据进行定量的推演和计算；
③数据分析：指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据；
④数据可视化：是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。
数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等。
数据可视化适用范围
关于数据可视化的适用范围，存在着不同的划分方法。一个常见的关注焦点就是信息的呈现。例如，迈克尔·弗兰德利(2008)提出了数据可视化的两个主要的组成部分：统计图形和主题图。另外，《Data Visualization: Modern Approaches》（意为“数据可视化：现代方法”）(2007)一文则概括阐述了数据可视化的下列主题 ：
1）思维导图
2）新闻的显示
3）数据的显示
4）连接的显示
5）网站的显示
6）文章与资源
7）工具与服务
所有这些主题全都与图形设计和信息表达密切相关。
另一方面，Frits H. Post (2002)则从计算机科学的视角，将这一领域划分为如下多个子领域：
1）可视化算法与技术方法
2）立体可视化
3）信息可视化
4）多分辨率方法
5）建模技术方法
6）交互技术方法与体系架构
数据治理专业详解
企业高层必须制定一个基于价值的数据治理计划，确保董事会和股东可以方便、安全、快速、可靠地利用数据进行决策支持和业务运行。
数据治理对于确保数据的准确、适度分享和保护是至关重要的。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式，将价值回馈于业务，并最终体现为增加收入和利润。
国际上此方面的研究协会比较多，但截止2014年底中国只有ITSS WG1国际化小组展开了正式研究，并向ISO正式提交和发布了数据治理的研究白皮书。
什么是数据治理？
信息系统建设发展到一定阶段,数据资源将成为战略资产,而有效的数据治理才是数据资产形成的必要条件。
虽然以规范的方式来管理数据资产的理念已经被广泛接受和认可，但是光有理念是不够的，还需要组织架构、原则、过程和规则，以确保数据管理的各项职能得到正确的履行。
以企业财务管理为例，会计负责管理企业的金融资产，遵守相关制度和规定，同时接受审计员的监督；审计员负责监管金融资产的管理活动。数据治理扮演的角色与审计员类似，其作用就是确保企业的数据资产得到正确有效的管理。
由于切入视角和侧重点不同，业界给出的数据治理定义已经不下几十种，到目前为止还未形成一个统一标准的定义。
ITSS WG1认为数据治理包含以下几方面内容：
（1）确保信息利益相关者的需要评估，以达成一致的企业目标，这些企业目标需要通过对信息资源的获取和管理实现；
（2）确保有效助力业务的决策机制和方向；
（3）确保绩效和合规进行监督。
数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程。
数据治理的全过程
数据治理其实是一种体系，是一个关注于信息系统执行层面的体系，这一体系的目的是整合IT与业务部门的知识和意见，通过一个类似于监督委员会或项目小组的虚拟组织对企业的信息化建设进行全方位的监管，这一组织的基础是企业高层的授权和业务部门与IT部门的建设性合作。从范围来讲，数据治理涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从源头到终端再回到源头形成一个闭环负反馈系统（控制理论中趋稳的系统）。从目的来讲，数据治理就是要对数据的获取、处理、使用进行监管（监管就是我们在执行层面对信息系统的负反馈），而监管的职能主要通过以下五个方面的执行力来保证——发现、监督、控制、沟通、整合
京公网安备 11010802022788号
