ഇൻ-ഹൗസ് ഡാറ്റാ ഗവേണൻസ്

ഹേ ഹബർ!

ഒരു കമ്പനിയുടെ ഏറ്റവും മൂല്യവത്തായ ആസ്തിയാണ് ഡാറ്റ. ഡിജിറ്റൽ ഫോക്കസ് ഉള്ള മിക്കവാറും എല്ലാ കമ്പനികളും ഇത് പ്രഖ്യാപിക്കുന്നു. ഇതുമായി വാദിക്കാൻ പ്രയാസമാണ്: ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനും സംഭരിക്കുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനുമുള്ള സമീപനങ്ങൾ ചർച്ച ചെയ്യാതെ ഒരു പ്രധാന ഐടി കോൺഫറൻസും നടക്കുന്നില്ല.

ഡാറ്റ ഞങ്ങൾക്ക് പുറത്തു നിന്ന് വരുന്നു, അത് കമ്പനിക്കുള്ളിലും ജനറേറ്റുചെയ്യുന്നു, ഞങ്ങൾ ഒരു ടെലികോം കമ്പനിയിൽ നിന്നുള്ള ഡാറ്റയെക്കുറിച്ച് സംസാരിക്കുകയാണെങ്കിൽ, ആന്തരിക ജീവനക്കാർക്ക് ഇത് ക്ലയൻ്റ്, അവൻ്റെ താൽപ്പര്യങ്ങൾ, ശീലങ്ങൾ, സ്ഥാനം എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങളുടെ ഒരു സംഭരണശാലയാണ്. ശരിയായ പ്രൊഫൈലിംഗും സെഗ്മെൻ്റേഷനും ഉപയോഗിച്ച്, പരസ്യ ഓഫറുകൾ ഏറ്റവും ഫലപ്രദമാണ്. എന്നിരുന്നാലും, പ്രായോഗികമായി, എല്ലാം വളരെ റോസി അല്ല. കമ്പനികൾ സംഭരിക്കുന്ന ഡാറ്റ നിരാശാജനകമായി കാലഹരണപ്പെട്ടതോ, അനാവശ്യമോ, ആവർത്തിച്ചുള്ളതോ, അല്ലെങ്കിൽ അതിൻ്റെ അസ്തിത്വം ഉപയോക്താക്കളുടെ ഇടുങ്ങിയ സർക്കിളിൽ ഒഴികെ മറ്റാർക്കും അറിയില്ല. ¯_(ツ)_/¯

ഒറ്റവാക്കിൽ പറഞ്ഞാൽ, ഡാറ്റ ഫലപ്രദമായി കൈകാര്യം ചെയ്യണം - അപ്പോൾ മാത്രമേ അത് ബിസിനസ്സിന് യഥാർത്ഥ നേട്ടങ്ങളും ലാഭവും നൽകുന്ന ഒരു അസറ്റായി മാറൂ. നിർഭാഗ്യവശാൽ, ഡാറ്റ മാനേജുമെൻ്റ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് വളരെയധികം സങ്കീർണതകൾ മറികടക്കേണ്ടതുണ്ട്. സിസ്റ്റങ്ങളുടെ "മൃഗശാലകൾ" എന്ന രൂപത്തിലുള്ള ചരിത്രപരമായ പാരമ്പര്യവും അവയുടെ മാനേജ്മെൻ്റിനുള്ള ഏകീകൃത പ്രക്രിയകളുടെയും സമീപനങ്ങളുടെയും അഭാവവുമാണ് അവ പ്രധാനമായും കാരണം. എന്നാൽ "ഡാറ്റ ഡ്രൈവ്" എന്നതിൻ്റെ അർത്ഥമെന്താണ്?

കട്ടിന് കീഴിൽ നമ്മൾ സംസാരിക്കുന്നത് ഇതാണ്, അതുപോലെ തന്നെ ഓപ്പൺ സോഴ്സ് സ്റ്റാക്ക് ഞങ്ങളെ എങ്ങനെ സഹായിച്ചു.

തന്ത്രപരമായ ഡാറ്റ മാനേജുമെൻ്റ് ഡാറ്റാ ഗവേണൻസ് (ഡിജി) എന്ന ആശയം റഷ്യൻ വിപണിയിൽ ഇതിനകം തന്നെ അറിയപ്പെടുന്നു, കൂടാതെ അതിൻ്റെ നടപ്പാക്കലിൻ്റെ ഫലമായി ബിസിനസ്സ് കൈവരിച്ച ലക്ഷ്യങ്ങൾ വ്യക്തവും വ്യക്തവുമാണ്. ഞങ്ങളുടെ കമ്പനി ഒരു അപവാദമല്ല കൂടാതെ ഡാറ്റ മാനേജ്മെൻ്റ് എന്ന ആശയം അവതരിപ്പിക്കുന്നതിനുള്ള ചുമതല സ്വയം സജ്ജമാക്കി.

അപ്പോൾ നമ്മൾ എവിടെയാണ് തുടങ്ങിയത്? ആരംഭിക്കുന്നതിന്, ഞങ്ങൾ സ്വയം പ്രധാന ലക്ഷ്യങ്ങൾ രൂപീകരിച്ചു:

1. ഞങ്ങളുടെ ഡാറ്റ ആക്സസ് ചെയ്യാവുന്ന തരത്തിൽ സൂക്ഷിക്കുക.
2. ഡാറ്റ ലൈഫ് സൈക്കിളിൻ്റെ സുതാര്യത ഉറപ്പാക്കുക.
3. കമ്പനി ഉപയോക്താക്കൾക്ക് സ്ഥിരവും സ്ഥിരവുമായ ഡാറ്റ നൽകുക.
4. കമ്പനി ഉപയോക്താക്കൾക്ക് പരിശോധിച്ച ഡാറ്റ നൽകുക.

ഇന്ന്, സോഫ്റ്റ്‌വെയർ വിപണിയിൽ ഒരു ഡസൻ ഡാറ്റാ ഗവേണൻസ് ക്ലാസ് ടൂളുകൾ ഉണ്ട്.

എന്നാൽ പരിഹാരങ്ങളെക്കുറിച്ചുള്ള വിശദമായ വിശകലനത്തിനും പഠനത്തിനും ശേഷം, ഞങ്ങൾ സ്വയം നിരവധി വിമർശനാത്മക അഭിപ്രായങ്ങൾ രേഖപ്പെടുത്തി:

• മിക്ക നിർമ്മാതാക്കളും സമഗ്രമായ ഒരു കൂട്ടം പരിഹാരങ്ങൾ വാഗ്ദാനം ചെയ്യുന്നു, അത് ഞങ്ങൾക്ക് അനാവശ്യവും നിലവിലുള്ള പ്രവർത്തനത്തെ തനിപ്പകർപ്പാക്കുന്നതുമാണ്. കൂടാതെ, വിഭവങ്ങളുടെ കാര്യത്തിൽ ചെലവേറിയത്, നിലവിലെ ഐടി ലാൻഡ്‌സ്‌കേപ്പിലേക്കുള്ള സംയോജനം.
• പ്രവർത്തനക്ഷമതയും ഇൻ്റർഫേസും സാങ്കേതിക വിദഗ്ധർക്കായി രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നു, ബിസിനസ് അന്തിമ ഉപയോക്താക്കൾക്കായിട്ടല്ല.
• ഉൽപ്പന്നങ്ങളുടെ കുറഞ്ഞ അതിജീവന നിരക്കും റഷ്യൻ വിപണിയിൽ വിജയകരമായ നടപ്പാക്കലുകളുടെ അഭാവവും.
• സോഫ്റ്റ്വെയറിൻ്റെ ഉയർന്ന വിലയും കൂടുതൽ പിന്തുണയും.

റഷ്യൻ കമ്പനികൾക്കുള്ള സോഫ്‌റ്റ്‌വെയറിൻ്റെ ഇറക്കുമതി ബദലിനെക്കുറിച്ച് മുകളിൽ പറഞ്ഞിരിക്കുന്ന മാനദണ്ഡങ്ങളും ശുപാർശകളും ഒരു ഓപ്പൺ സോഴ്‌സ് സ്റ്റാക്കിൽ സ്വന്തം വികസനത്തിലേക്ക് നീങ്ങാൻ ഞങ്ങളെ ബോധ്യപ്പെടുത്തി. ഞങ്ങൾ തിരഞ്ഞെടുത്ത പ്ലാറ്റ്‌ഫോം പൈത്തണിൽ എഴുതിയ സ്വതന്ത്രവും ഓപ്പൺ സോഴ്‌സ് ചട്ടക്കൂടുമായ ജാങ്കോ ആയിരുന്നു. അതിനാൽ മുകളിൽ പറഞ്ഞ ലക്ഷ്യങ്ങൾക്ക് സംഭാവന നൽകുന്ന പ്രധാന മൊഡ്യൂളുകൾ ഞങ്ങൾ തിരിച്ചറിഞ്ഞു:

1. റിപ്പോർട്ടുകളുടെ രജിസ്റ്റർ.
2. ബിസിനസ്സ് ഗ്ലോസറി.
3. സാങ്കേതിക പരിവർത്തനങ്ങൾ വിവരിക്കുന്നതിനുള്ള മൊഡ്യൂൾ.
4. ഉറവിടത്തിൽ നിന്ന് ബിഐ ടൂളിലേക്കുള്ള ഡാറ്റ ലൈഫ് സൈക്കിൾ വിവരിക്കുന്നതിനുള്ള മൊഡ്യൂൾ.
5. ഡാറ്റ ഗുണനിലവാര നിയന്ത്രണ മൊഡ്യൂൾ.

റിപ്പോർട്ടുകളുടെ രജിസ്റ്റർ

വലിയ കമ്പനികളിലെ ആന്തരിക പഠനങ്ങളുടെ ഫലങ്ങൾ അനുസരിച്ച്, ഡാറ്റയുമായി ബന്ധപ്പെട്ട പ്രശ്നങ്ങൾ പരിഹരിക്കുമ്പോൾ, ജീവനക്കാർ അവരുടെ സമയത്തിൻ്റെ 40-80% അവർക്കായി തിരയുന്നു. അതിനാൽ, ഉപഭോക്താക്കൾക്ക് മാത്രം മുമ്പ് ലഭ്യമായിരുന്ന നിലവിലുള്ള റിപ്പോർട്ടുകളെക്കുറിച്ചുള്ള തുറന്ന വിവരങ്ങൾ ഉണ്ടാക്കുന്നതിനുള്ള ചുമതല ഞങ്ങൾ സ്വയം സജ്ജമാക്കുന്നു. അങ്ങനെ, പുതിയ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കുന്നതിനുള്ള സമയം ഞങ്ങൾ കുറയ്ക്കുകയും ഡാറ്റയുടെ ജനാധിപത്യവൽക്കരണം ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

വിവിധ പ്രദേശങ്ങൾ, വകുപ്പുകൾ, ഡിവിഷനുകൾ എന്നിവയിൽ നിന്നുള്ള ആന്തരിക ഉപയോക്താക്കൾക്കായി റിപ്പോർട്ടിംഗ് രജിസ്റ്റർ ഒരൊറ്റ റിപ്പോർട്ടിംഗ് വിൻഡോയായി മാറിയിരിക്കുന്നു. കമ്പനിയുടെ നിരവധി കോർപ്പറേറ്റ് റിപ്പോസിറ്ററികളിൽ സൃഷ്ടിച്ച വിവര സേവനങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഇത് ഏകീകരിക്കുന്നു, അവയിൽ പലതും റോസ്റ്റലെകോമിൽ ഉണ്ട്.

എന്നാൽ രജിസ്ട്രി വികസിപ്പിച്ച റിപ്പോർട്ടുകളുടെ വരണ്ട പട്ടിക മാത്രമല്ല. ഓരോ റിപ്പോർട്ടിനും, ഉപയോക്താവിന് അത് പരിചിതമാക്കുന്നതിന് ആവശ്യമായ വിവരങ്ങൾ ഞങ്ങൾ നൽകുന്നു:

• റിപ്പോർട്ടിൻ്റെ ഹ്രസ്വ വിവരണം;
• ഡാറ്റ ലഭ്യതയുടെ ആഴം;
• ഉപഭോക്തൃ വിഭാഗം;
• ദൃശ്യവൽക്കരണ ഉപകരണം;
• കോർപ്പറേറ്റ് സംഭരണത്തിൻ്റെ പേര്;
• ബിസിനസ്സ് പ്രവർത്തന ആവശ്യകതകൾ;
• റിപ്പോർട്ടിലേക്കുള്ള ലിങ്ക്;
• പ്രവേശനത്തിനുള്ള അപേക്ഷയിലേക്കുള്ള ലിങ്ക്;
• നടപ്പാക്കൽ നില.

റിപ്പോർട്ടുകൾക്കായി ഉപയോഗ തലത്തിലുള്ള അനലിറ്റിക്‌സ് ലഭ്യമാണ്, കൂടാതെ അദ്വിതീയ ഉപയോക്താക്കളുടെ എണ്ണത്തെ അടിസ്ഥാനമാക്കി ലോഗ് അനലിറ്റിക്‌സ് അടിസ്ഥാനമാക്കി റിപ്പോർട്ടുകൾ പട്ടികയുടെ മുകളിൽ റാങ്ക് ചെയ്യപ്പെടുന്നു. അതല്ല. പൊതുവായ സ്വഭാവസവിശേഷതകൾക്ക് പുറമേ, മൂല്യങ്ങളുടെയും കണക്കുകൂട്ടൽ രീതികളുടെയും ഉദാഹരണങ്ങൾക്കൊപ്പം റിപ്പോർട്ടുകളുടെ ആട്രിബ്യൂട്ട് കോമ്പോസിഷൻ്റെ വിശദമായ വിവരണവും ഞങ്ങൾ നൽകിയിട്ടുണ്ട്. അത്തരം വിശദാംശങ്ങൾ ഉപയോക്താവിന് റിപ്പോർട്ട് ഉപകാരപ്രദമാണോ അല്ലയോ എന്നതിന് ഉടനടി ഉത്തരം നൽകുന്നു.

ഈ മൊഡ്യൂളിൻ്റെ വികസനം ഡാറ്റയുടെ ജനാധിപത്യവൽക്കരണത്തിലെ ഒരു സുപ്രധാന ചുവടുവയ്പ്പായിരുന്നു കൂടാതെ ആവശ്യമായ വിവരങ്ങൾ കണ്ടെത്തുന്നതിനുള്ള സമയം ഗണ്യമായി കുറയ്ക്കുകയും ചെയ്തു. തിരയൽ സമയം കുറയ്ക്കുന്നതിന് പുറമേ, കൺസൾട്ടേഷനുകൾ നൽകുന്നതിന് പിന്തുണാ ടീമിനോടുള്ള അഭ്യർത്ഥനകളുടെ എണ്ണവും കുറഞ്ഞു. റിപ്പോർട്ടുകളുടെ ഏകീകൃത രജിസ്റ്റർ വികസിപ്പിച്ചുകൊണ്ട് ഞങ്ങൾ നേടിയ മറ്റൊരു ഉപയോഗപ്രദമായ ഫലം ശ്രദ്ധിക്കാതിരിക്കുക - വ്യത്യസ്ത ഘടനാപരമായ യൂണിറ്റുകൾക്കായി തനിപ്പകർപ്പ് റിപ്പോർട്ടുകളുടെ വികസനം തടയുക.

ബിസിനസ്സ് ഗ്ലോസറി

ഒരേ കമ്പനിക്കുള്ളിൽ പോലും ബിസിനസുകൾ വ്യത്യസ്ത ഭാഷകൾ സംസാരിക്കുമെന്ന് നിങ്ങൾക്കെല്ലാവർക്കും അറിയാം. അതെ, അവർ ഒരേ പദങ്ങൾ ഉപയോഗിക്കുന്നു, എന്നാൽ അവർ അർത്ഥമാക്കുന്നത് തികച്ചും വ്യത്യസ്തമായ കാര്യങ്ങളാണ്. ഈ പ്രശ്നം പരിഹരിക്കാൻ ഒരു ബിസിനസ്സ് ഗ്ലോസറി രൂപകൽപ്പന ചെയ്തിട്ടുണ്ട്.

ഞങ്ങളെ സംബന്ധിച്ചിടത്തോളം, ഒരു ബിസിനസ്സ് ഗ്ലോസറി എന്നത് നിബന്ധനകളുടെയും കണക്കുകൂട്ടൽ രീതികളുടെയും വിവരണമുള്ള ഒരു റഫറൻസ് പുസ്തകം മാത്രമല്ല. ടെർമിനോളജി വികസിപ്പിക്കുന്നതിനും അംഗീകരിക്കുന്നതിനും അംഗീകരിക്കുന്നതിനും, നിബന്ധനകളും കമ്പനിയുടെ മറ്റ് വിവര ആസ്തികളും തമ്മിലുള്ള ബന്ധം കെട്ടിപ്പടുക്കുന്നതിനുള്ള ഒരു പൂർണ്ണമായ അന്തരീക്ഷമാണിത്. ബിസിനസ് ഗ്ലോസറിയിൽ പ്രവേശിക്കുന്നതിന് മുമ്പ്, ഒരു പദം ബിസിനസ്സ് ഉപഭോക്താക്കളുമായും ഡാറ്റാ ഗുണനിലവാര കേന്ദ്രവുമായും അംഗീകാരത്തിൻ്റെ എല്ലാ ഘട്ടങ്ങളിലൂടെയും കടന്നുപോകണം. ഇതിനുശേഷം മാത്രമേ ഇത് ഉപയോഗത്തിന് ലഭ്യമാകൂ.

ഞാൻ മുകളിൽ എഴുതിയതുപോലെ, ഈ ഉപകരണത്തിൻ്റെ പ്രത്യേകത, ഒരു ബിസിനസ്സ് പദത്തിൻ്റെ തലത്തിൽ നിന്ന് അത് ഉപയോഗിക്കുന്ന നിർദ്ദിഷ്ട ഉപയോക്തൃ റിപ്പോർട്ടുകളിലേക്കും ഫിസിക്കൽ ഡാറ്റാബേസ് ഒബ്ജക്റ്റുകളുടെ തലത്തിലേക്കും കണക്ഷനുകൾ അനുവദിക്കുന്നു എന്നതാണ്.

രജിസ്ട്രി റിപ്പോർട്ടുകളുടെ വിശദമായ വിവരണത്തിലും ഫിസിക്കൽ ഡാറ്റാബേസ് ഒബ്ജക്റ്റുകളുടെ വിവരണത്തിലും ഗ്ലോസറി ടേം ഐഡൻ്റിഫയറുകൾ ഉപയോഗിച്ചാണ് ഇത് സാധ്യമാക്കുന്നത്.

നിലവിൽ, ഗ്ലോസറിയിൽ 4000-ത്തിലധികം നിബന്ധനകൾ നിർവചിക്കുകയും അംഗീകരിക്കുകയും ചെയ്തിട്ടുണ്ട്. കമ്പനിയുടെ ഇൻഫർമേഷൻ സിസ്റ്റങ്ങളിലെ മാറ്റങ്ങൾക്കായുള്ള ഇൻകമിംഗ് അഭ്യർത്ഥനകളുടെ പ്രോസസ്സിംഗ് ലളിതമാക്കുകയും വേഗത്തിലാക്കുകയും ചെയ്യുന്നു. ഏതെങ്കിലും റിപ്പോർട്ടിൽ ആവശ്യമായ സൂചകം ഇതിനകം നടപ്പിലാക്കിയിട്ടുണ്ടെങ്കിൽ, ഈ സൂചകം ഉപയോഗിക്കുന്ന ഒരു കൂട്ടം റെഡിമെയ്ഡ് റിപ്പോർട്ടുകൾ ഉപയോക്താവിന് ഉടനടി കാണാനാകും, കൂടാതെ നിലവിലുള്ള പ്രവർത്തനങ്ങളുടെ ഫലപ്രദമായ പുനരുപയോഗം അല്ലെങ്കിൽ അതിൻ്റെ ഏറ്റവും കുറഞ്ഞ പരിഷ്ക്കരണം ആരംഭിക്കാതെ തന്നെ തീരുമാനിക്കാൻ കഴിയും. ഒരു പുതിയ റിപ്പോർട്ട് വികസിപ്പിക്കുന്നതിനുള്ള പുതിയ അഭ്യർത്ഥനകൾ.

സാങ്കേതിക പരിവർത്തനങ്ങളും ഡാറ്റലൈനേജും വിവരിക്കുന്നതിനുള്ള മൊഡ്യൂൾ

എന്താണ് ഈ മൊഡ്യൂളുകൾ, നിങ്ങൾ ചോദിക്കുന്നു? റിപ്പോർട്ട് രജിസ്റ്ററും ഗ്ലോസറിയും നടപ്പിലാക്കിയാൽ മാത്രം പോരാ; എല്ലാ ബിസിനസ് നിബന്ധനകളും ഫിസിക്കൽ ഡാറ്റാബേസ് മോഡലിൽ അടിസ്ഥാനമാക്കേണ്ടതും ആവശ്യമാണ്. അങ്ങനെ, ഡാറ്റാ വെയർഹൗസിൻ്റെ എല്ലാ പാളികളിലൂടെയും സോഴ്‌സ് സിസ്റ്റങ്ങളിൽ നിന്ന് ബിഐ വിഷ്വലൈസേഷനിലേക്ക് ഡാറ്റ ലൈഫ് സൈക്കിൾ രൂപപ്പെടുത്തുന്ന പ്രക്രിയ പൂർത്തിയാക്കാൻ ഞങ്ങൾക്ക് കഴിഞ്ഞു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഒരു DataLineage നിർമ്മിക്കുക.

ഡാറ്റാ പരിവർത്തനത്തിൻ്റെ നിയമങ്ങളും യുക്തിയും വിവരിക്കുന്നതിന് കമ്പനിയിൽ മുമ്പ് ഉപയോഗിച്ച ഫോർമാറ്റിനെ അടിസ്ഥാനമാക്കി ഞങ്ങൾ ഒരു ഇൻ്റർഫേസ് വികസിപ്പിച്ചെടുത്തു. മുമ്പത്തെ അതേ വിവരങ്ങൾ ഇൻ്റർഫേസിലൂടെ നൽകിയിട്ടുണ്ട്, എന്നാൽ ബിസിനസ്സ് ഗ്ലോസറിയിൽ നിന്ന് ഐഡൻ്റിഫയർ എന്ന പദത്തിൻ്റെ നിർവചനം ഒരു മുൻവ്യവസ്ഥയായി മാറിയിരിക്കുന്നു. ബിസിനസ്സും ഫിസിക്കൽ ലെയറുകളും തമ്മിൽ ഞങ്ങൾ ബന്ധം സ്ഥാപിക്കുന്നത് ഇങ്ങനെയാണ്.

ആർക്കാണ് അത് വേണ്ടത്? നിങ്ങൾ വർഷങ്ങളോളം പ്രവർത്തിച്ച പഴയ ഫോർമാറ്റിൽ എന്താണ് തെറ്റ്? ആവശ്യകതകൾ സൃഷ്ടിക്കുന്നതിനുള്ള തൊഴിൽ ചെലവ് എത്രമാത്രം വർദ്ധിച്ചു? ഉപകരണം നടപ്പിലാക്കുന്ന സമയത്ത് ഞങ്ങൾക്ക് അത്തരം ചോദ്യങ്ങൾ നേരിടേണ്ടി വന്നു. ഇവിടെയുള്ള ഉത്തരങ്ങൾ വളരെ ലളിതമാണ് - നമുക്കെല്ലാവർക്കും ഇത് ആവശ്യമാണ്, ഞങ്ങളുടെ കമ്പനിയുടെ ഡാറ്റാ ഓഫീസും ഞങ്ങളുടെ ഉപയോക്താക്കളും.

വാസ്തവത്തിൽ, ജീവനക്കാർക്ക് പൊരുത്തപ്പെടേണ്ടി വന്നു; ആദ്യം, ഇത് ഡോക്യുമെൻ്റേഷൻ തയ്യാറാക്കുന്നതിനുള്ള തൊഴിൽ ചെലവിൽ നേരിയ വർദ്ധനവിന് കാരണമായി, പക്ഷേ ഞങ്ങൾ ഈ പ്രശ്നം പരിഹരിച്ചു. പ്രശ്‌ന മേഖലകൾ പരിശീലിക്കുകയും തിരിച്ചറിയുകയും ഒപ്റ്റിമൈസ് ചെയ്യുകയും ചെയ്യുന്നത് അവരുടെ ജോലി ചെയ്തു. ഞങ്ങൾ പ്രധാന കാര്യം നേടിയിട്ടുണ്ട് - വികസിപ്പിച്ച ആവശ്യകതകളുടെ ഗുണനിലവാരം ഞങ്ങൾ മെച്ചപ്പെടുത്തി. നിർബന്ധിത ഫീൽഡുകൾ, ഏകീകൃത റഫറൻസ് ബുക്കുകൾ, ഇൻപുട്ട് മാസ്കുകൾ, ബിൽറ്റ്-ഇൻ ചെക്കുകൾ - ഇതെല്ലാം പരിവർത്തന വിവരണങ്ങളുടെ ഗുണനിലവാരം ഗണ്യമായി മെച്ചപ്പെടുത്താൻ സാധ്യമാക്കി. ഡെവലപ്‌മെൻ്റ് ആവശ്യകതകളായി സ്‌ക്രിപ്റ്റുകൾ കൈമാറുന്ന സമ്പ്രദായത്തിൽ നിന്ന് ഞങ്ങൾ മാറി, വികസന ടീമിന് മാത്രം ലഭ്യമായ അറിവുകൾ പങ്കിട്ടു. ജനറേറ്റുചെയ്‌ത മെറ്റാഡാറ്റ ഡാറ്റാബേസ് റിഗ്രഷൻ വിശകലനം നടത്തുന്നതിന് ആവശ്യമായ സമയം ഗണ്യമായി കുറയ്ക്കുകയും ഐടി ലാൻഡ്‌സ്‌കേപ്പിൻ്റെ (ഷോകേസ് റിപ്പോർട്ടുകൾ, അഗ്രഗേറ്റുകൾ, ഉറവിടങ്ങൾ) ഏത് ലെയറിലും മാറ്റങ്ങളുടെ സ്വാധീനം വേഗത്തിൽ വിലയിരുത്താനുള്ള കഴിവ് നൽകുകയും ചെയ്യുന്നു.

റിപ്പോർട്ടുകളുടെ സാധാരണ ഉപയോക്താക്കളുമായി ഇതിന് എന്ത് ബന്ധമുണ്ട്, അവർക്ക് എന്ത് നേട്ടങ്ങളുണ്ട്? DataLineage നിർമ്മിക്കാനുള്ള കഴിവിന് നന്ദി, ഞങ്ങളുടെ ഉപയോക്താക്കൾക്ക്, SQL-ൽ നിന്നും മറ്റ് പ്രോഗ്രാമിംഗ് ഭാഷകളിൽ നിന്നും വളരെ അകലെയുള്ളവർ പോലും, ഒരു പ്രത്യേക റിപ്പോർട്ട് സൃഷ്ടിക്കുന്ന ഉറവിടങ്ങളെയും വസ്തുക്കളെയും കുറിച്ചുള്ള വിവരങ്ങൾ വേഗത്തിൽ സ്വീകരിക്കുന്നു.

ഡാറ്റ ക്വാളിറ്റി കൺട്രോൾ മൊഡ്യൂൾ

ഉപയോക്താക്കൾക്ക് ഞങ്ങൾ നൽകുന്ന ഡാറ്റ ശരിയാണെന്ന് മനസ്സിലാക്കാതെ ഡാറ്റ സുതാര്യത ഉറപ്പാക്കുന്ന കാര്യത്തിൽ ഞങ്ങൾ മുകളിൽ സംസാരിച്ചതെല്ലാം പ്രധാനമല്ല. ഞങ്ങളുടെ ഡാറ്റാ ഗവേണൻസ് ആശയത്തിൻ്റെ പ്രധാന മൊഡ്യൂളുകളിൽ ഒന്നാണ് ഡാറ്റ ഗുണനിലവാര നിയന്ത്രണ മൊഡ്യൂൾ.

നിലവിലെ ഘട്ടത്തിൽ, തിരഞ്ഞെടുത്ത സ്ഥാപനങ്ങൾക്കുള്ള ചെക്കുകളുടെ ഒരു കാറ്റലോഗാണിത്. ഉൽപ്പന്ന വികസനത്തിൻ്റെ ഉടനടി ലക്ഷ്യം ചെക്കുകളുടെ പട്ടിക വിപുലീകരിക്കുകയും റിപ്പോർട്ടിംഗ് രജിസ്ട്രിയുമായി സംയോജിപ്പിക്കുകയും ചെയ്യുക എന്നതാണ്.
അത് എന്ത് നൽകും, ആർക്ക്? രജിസ്ട്രിയുടെ അന്തിമ ഉപയോക്താവിന് റിപ്പോർട്ട് സന്നദ്ധതയുടെ ആസൂത്രിതവും യഥാർത്ഥവുമായ തീയതികൾ, ഡൈനാമിക്സ് ഉപയോഗിച്ച് പൂർത്തിയാക്കിയ പരിശോധനകളുടെ ഫലങ്ങൾ, റിപ്പോർട്ടിൽ ലോഡ് ചെയ്ത ഉറവിടങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങളിലേക്ക് ആക്സസ് ഉണ്ടായിരിക്കും.

ഞങ്ങളെ സംബന്ധിച്ചിടത്തോളം, ഞങ്ങളുടെ വർക്ക് പ്രോസസുകളിലേക്ക് സംയോജിപ്പിച്ചിരിക്കുന്ന ഡാറ്റ ഗുണനിലവാര മൊഡ്യൂൾ ഇതാണ്:

• ഉപഭോക്തൃ പ്രതീക്ഷകളുടെ ഉടനടി രൂപീകരണം.
• ഡാറ്റയുടെ കൂടുതൽ ഉപയോഗത്തിൽ തീരുമാനങ്ങൾ എടുക്കുന്നു.
• പതിവ് ഗുണനിലവാര നിയന്ത്രണങ്ങൾ വികസിപ്പിക്കുന്നതിന് ജോലിയുടെ പ്രാരംഭ ഘട്ടത്തിൽ പ്രശ്ന പോയിൻ്റുകളുടെ പ്രാഥമിക സെറ്റ് നേടുക.

തീർച്ചയായും, ഒരു സമ്പൂർണ്ണ ഡാറ്റ മാനേജുമെൻ്റ് പ്രക്രിയ കെട്ടിപ്പടുക്കുന്നതിനുള്ള ആദ്യ ഘട്ടങ്ങളാണിവ. എന്നാൽ ഈ ജോലി ലക്ഷ്യബോധത്തോടെ ചെയ്യുന്നതിലൂടെയും, പ്രവർത്തന പ്രക്രിയയിൽ സജീവമായി ഡാറ്റാ ഗവേണൻസ് ടൂളുകൾ അവതരിപ്പിക്കുന്നതിലൂടെയും, ഞങ്ങളുടെ ക്ലയൻ്റുകൾക്ക് വിവര ഉള്ളടക്കം, ഡാറ്റയിലുള്ള ഉയർന്ന തലത്തിലുള്ള വിശ്വാസം, അവരുടെ രസീതിലെ സുതാര്യത, ലോഞ്ച് വേഗത വർദ്ധിപ്പിക്കൽ എന്നിവ ഞങ്ങൾ നൽകുമെന്ന് ഞങ്ങൾക്ക് ഉറപ്പുണ്ട്. പുതിയ പ്രവർത്തനം.

ഡാറ്റ ഓഫീസ് ടീം

അവലംബം: www.habr.com