质量规则支持自定义属性,规则管理更便捷

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: 随着企业数据治理开展到一定阶段,对质量监控规则的精细化管理诉求进一步提升,需要为质量规则配置更多属性信息以支持后续的统计的分析。Dataphin V4.0版本新增了自定义质量规则属性的能力,通过简单的配置即可实现灵活、高效的规则管理,满足多样化诉求。

应用场景

随着企业数据治理开展到一定阶段,对质量监控规则的精细化管理诉求进一步提升,质量管理员常常会收到以下诉求:

  • 数据治理团队希望对数据质量规则进行更加细致的“分类”并指定“规则负责人”,以提升规则管理效率。
  • 数据质量管理员需要统计不同“归口管理部门”负责的质量规则对应的监控通过率和整改结果,优化数据质量监控流程。
  • 某大型企业为不同业务部门创建了不同的租户,集团制定了统一的质量规则属性(如“规则制定依据、校验异常排查引导”)便于在各租户共享优秀的质量治理案例,同时各部门也希望根据实际业务需求增加个性化的属性便于内部管理。

……

以上场景,都需要为质量规则增加更丰富的属性信息作为补充。


功能概览

1. 灵活的属性配置

“规划-属性管理”页面新增自定义“质量规则属性”功能,支持配置属性名称、是否必填、填写方式、默认值等基本信息,不仅能保证属性配置的规范性,同时也能提升配置效率;此外,支持配置自定义属性是否用作规则列表的搜索或筛选项,让规则搜索更加灵活。

除了灵活的填写配置,我们也可以对属性进行排序,新建规则页面自定义的业务属性将按照规则管理页面的排序进行展示,以便保持属性之间的相关性,也更符合操作人的填写和阅读习惯,提升使用体验。


2. 高效便捷的规则管理

属性启用后,创建质量规则时就可以根据属性定义填写相应的业务信息,如:规则负责人、监控对象开发负责人、质量问题归口管理部门等。

 

此外,针对填写方式为下拉选择的属性,支持通过“追加”和“覆盖”的方式批量修改业务属性配置。

规则配置完成后,如果我们需要对质量规则进行统计分析,就可以结合元仓共享模型的数据,将规则元数据信息导出后再使用电子表格或者 BI 工具制作看板,满足多样化诉求。


整体来说,自定义属性作为质量规则业务信息的补充,让数据质量规则的管理更加自由、灵活、高效,还等什么,快来体验吧!

相关文章
|
SQL 分布式计算 Hadoop
Hadoop集群管理:向繁琐的计算源创建Say ByeBye
为了解决Hadoop计算源创建复杂、维护困难的问题,Dataphin在V4.4 版本推出了Hadoop集群管理功能,支持用户引用集群信息进行计算源的创建,大大提高用户的创建和维护效率。
197 1
|
搜索推荐 大数据 数据处理
数据特点
数据特点
389 8
|
存储 人工智能 开发框架
认识什么是互联网数据中心(IDC)
互联网数据中心(IDC)拥有高速带宽、高性能网络与安全环境,提供服务器托管、租用等服务。它是数据存储与流通的核心,支持互联网内容提供商、企业和各类网站的大规模、高质量需求。机房维护涵盖多方面,确保设备稳定运行。中国IDC行业快速发展,机房按星级划分,从一星到五星,标准逐步提升,体现国家信息基础设施的进步与成熟。国际上,Uptime Institute的Tier等级进一步规范了数据中心的可用性与可靠性标准。
2527 6
|
弹性计算 固态存储 大数据
阿里云服务器租用费用:一年、1个月和1小时价格表(2024真优惠)
2024年最新阿里云服务器租用费用优惠价格表,轻量2核2G3M带宽轻量服务器一年82元,折合6.8元1个月,新老用户同享99元一年服务器,2核4G5M服务器ECS优惠价199元一年,2核4G4M轻量服务器298元一年,2核4G服务器30元3个月,4核16G10M服务器70元1个月、210元3个月,8核32G服务器160元1个月、480元3个月,阿小云整理阿里云服务器租用费用价格表,包括一年优惠价格、一个月和1小时收费明细表
7593 0
|
数据采集 SQL 机器学习/深度学习
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展
数据质量是数据建设和管理中非常重要的一环。所有的数据应用,不论是用于支持业务开展的数据库,还是用于支持商业决策,或者用于机器学习和人工智能等高级应用,实现数据价值的前提是数据本身是高质量的,是可靠和可信的。
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展
|
存储 SQL 机器学习/深度学习
通用数据湖仓一体架构正当时
通用数据湖仓一体架构正当时
242 2
|
数据采集 监控 数据管理
数据质量最佳实践(5):利用质量分和排行榜提升企业数据质量【Dataphin V3.12】
在数据质量最佳实践(3):通过质量治理工作台,实现质量问题的跟踪和处理这篇文章中,我们详细的介绍了如何通过治理工作台,对系统出现的一个一个具体质量问题进行治理。 但是对于企业整体的数据质量情况,我们该如何评估呢?以及如何寻找当前企业的数据质量短板,并有针对性的进行改进和提升呢? 在Dataphin V3.12版本中,质量新增了质量分的能力,可以给数据表和质量规则配置打分权重和打分方式,从而获得全局、数据源、项目、负责人、数据表等维度的质量打分评估,帮助CDO判断企业整体的数据质量情况和数据质量问题的分布,从而有针对性的提升企业整体的数据质量水平。
1143 1
|
数据采集 调度 监控
带你读《构建企业级好数据(Dataphin智能数据建设与治理白皮书)》——3. 研发:高效建设,稳定运行
带你读《构建企业级好数据(Dataphin智能数据建设与治理白皮书)》——3. 研发:高效建设,稳定运行
517 0
|
人工智能 Linux 网络安全
Linux系统之openEuler安装部署
Linux系统之openEuler安装部署
2058 4
|
数据采集 监控 数据管理
数据质量最佳实践(4):支持范围和多级分区质量监控+按项目和个人管理数据质量【Dataphin V3.11】
在Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展这篇文章中,我们详细的介绍了Dataphin数据质量模块的产品核心能力和产品使用演示。 在Dataphin V3.11版本中,质量新增了下面两个能力: 1、针对复杂的业务分区的校验能力 2、按照项目和个人管理数据质量
570 1