一、数据质量

1.1、数据质量管理目标

1. 根据数据消费者的需求，开发一种满足数据质量要求的管理方法
2. 定义数据质量控制的标准和规范，并作文整个数据生命周期的一部分
3. 定义和事实测量、监控和报告数据质量水平的过程
4. 根据数据消费者要求，通过改变流程和系统，以及参与可显著改善数据质量的活动，识别和倡导提高数据质量的机会

1.2、生命周期

• 计划阶段：数据质量团队评估已知的问题范围、影响和优先级，并评估解决这些问题的备选方案。
• 执行计划：数据质量团队负责努力解决引起问题的根本原因，并做出对持续监控数据的计划（技术问题、流程问题）。
• 检查阶段：这一阶段包括积极监控按要求评测的数据质量。
• 处理阶段：处理和解决新出现的数据质量问题的活动。

1.3、数据质量维度

1.4、数据质量常用工具

二、数据开发

2.1、数据资产

数据资产的应用实现方式，打通基础数据链条，实现联通协同，提升数据价值

数据资产生命周期：注册、变更、监控、下线

2.2、数据服务

数据服务技术架构:

三、数据安全

四、ETL

4.1、含义

4.2、ETL模式

触发器模式：

增量字段模式：

全量同步模式：

日志对比模式：

不同模式的对比：

4.3、离线和实时

离线数据：

使用场景：

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack