1.
2022.1
从业务数据化，到数据业务化
企业数据资产化的必经之路

2.
CONTENTS
• 案例分享-全生命周期数据管理
• 全球数据资产发展的趋势和洞察
• Datablau数据治理理念&解决方案
• 案例分享-数据生产规范化
• 案例分享-智能数据资产目录
2

3.
• 曾任CA ERwin全球研发负责人,2006年加入CA，十几年经验在数据建模领域,客户多来自
世界500强，美国银行（BOA），SunTrust，AT&T，壳牌等。 深度参与建设银行新一代
系统数据模型设计。
• 2016年创立Datablau,成功服务多家国内大型企业的数据治理项目，包括华为、建设银行、
平安银行、中国人寿、华泰证券、中金、嘉实基金、美的、海信、南方电网、国电集团、
税务等大型企事业单位，具有丰富的数据治理项目咨询，管理和实施经验。
• 信通院数据资产专家委员会成员，数据资产白皮书主要撰写人
• IEEE member, OMG member, DAMA CDMP
• 复旦大学、人民大学、北京航空航天大学 客座讲师
• 国资委“数据要素”专家委员
王琤 (Allen Wang)

4.
➢ 全球数据大会：（Enterprise Data World），连续十年参会会员，2018年专案分享嘉宾
全球数据行业重要成员
4
➢ 全球数据数据峰会：（Data Architecture Summit）会员，2019年专案分享嘉宾
➢ 全球数据管理协会会员，中国数据管理协会创始会员

5.
Datablau（数语科技）亚太地区唯一入选
Forrester MLDC的厂商
• Forrester认可Datablau在数据管理领域
的探索和实践，在数据模型、数据目录、
数据质量、数据标准和元数据等环节自
动化应用实现，帮助企业解决AI应用门
槛高、开发效率低等问题。Datablau一
直致力于通过数据模型管控、数据资产
管理帮助企业实现数字化转型，在过去4
年多时间已经覆盖到众多行业。面对企
业数据应用高速增长期的到来，我们将
继续推进MLDC在更多领域的拓展落地，
实现企业智能化转型目标。
国产化建模
工具&模型
管控平台
懂业务的数
据治理平台
社区化、智
能化数据资
产目录

6.
公司概况－锐意进取，技术创新先锋
@2018 Datablau All right reserved
数百家客户，来自银行、
保险、证券、基金、制造
业、能源业等行业
100+ 客户
专注数据治理产品创新，
拥有数据数据治理专利，
产品研发员工占比40%
200+ 员工
研发了国内唯一数据模型
工具，拥有数据管理完整
的产品线，DDM/ DAM/
DDC/ DDS/ DDP
5 款数据治理产品
总部北京，在上海、深圳、
苏州、郑州设有交付团队
及数据治理咨询专家
覆盖全国的服务体系

7.
各领域头部客户
中国人寿保险
(集团)公司

8.
公司资质

9.
以IT为中心
业务
报表
数据开发
元数据管理
数据库
IT
以数据为中心
业务
自服务数据可视化
数据准备
数据资产目录
数据库
IT
让业务分析人员尽早参与到数据分析的生态中

10.
案例－基于数据湖的自助数据服务
１．数据湖
２．数据模型为整个数据服务的底座
３．近500人参与建设数据应用模型
建模工程师，既懂业务又懂数据
４．模型用来支持自服务数据分析
５．业务线使用自服务数据分析
数据湖
landing
work gold
sensitive
数据模型
数据服务
探索式数据分析
财薪 供应链
运营商 零售

11.
企业数据治理：组织势力分布图
业务
数据库
对标
大数据
数据湖
核检
业务
部门
数据应用
安全 报表
风控
IT
业
务
外购数据
数据生产区
大数据部门
存款 贷款 理财 报送 …
卡
1000人
IT
研发
部门
200人
40人
数据处理
大数据部门
数据
治理
数据治理 4人
数
据
数据应用区
业务数据需求强烈
又变化频繁
新数据源接入频繁
数据湖 or 数据沼泽?
混乱的存量业务系统数据难以盘点
不断新增的系统,又不得不持续盘点

12.
多部门协作、众筹的数据治理
业务
数据库
对标
大数据
数据湖
核检
业务
部门
数据应用
安全 报表
风控
IT
业
务
外购数据
数据生产区
大数据部门
存款 贷款 理财 报送 …
卡
IT
研发
部门
数据处理
大数据部门
数据
治理
数据治理
数
据
数据应用区
数据资产目录
与
自服务数据准备
数据湖数据资产目录
事前数据模型管控
与
智能数据盘点
1000人
IT
研发
部门
200人
40人
4人

13.
数据消费者 数据管理团队
开发／
架构团队
业务视角
技术视角 元数据
数据模型
ETL
业务数据库
数据质量
数据血缘
元数据语义
报表开发
数据目录
数据标准
物理＆逻辑列表
报表
报表元数据
数据库元数据
生产元数据
运维
数据服务
质量验核规则

14.
Datablau的理念和特点
事前事后结合，构建智能数据资产生态
通过模型工具，将数据标
准落地，统一管理元数据
审批流程。
数据生产规范化
事前管控－数据标准落地
通过AI算法，基于知识图
谱和数据地图，自动盘点
企业数据资产，发现数据
质量问题。
数据管理运营智能化
事后智能盘点
通过数据治理和资产盘点，
基于统一数据授权，统一
提供数据资产服务，打造
数据应用。
数据消费易用性
统一数据服务

15.
Datablau产品体系
从源头治理开始，管理质量，最后通过数据服务，达到数据资产变现
10%
20%
Data Modeler
标准落标
模型管控
模型设计
协作共享
Data Asset Mgr
数据标准管理
指标体系管理
元数据管理
数据质量管理
数据血缘与影响
Data Catalog
数据资产搜索引擎
数据资产门户
知识图谱
数据服务
Data Security
数据安全
权限审计
规则库
敏感数据智能标签
DDM
数据模型管控平台
DAM
数据资产管理平台
DDC
数据资产目录平台
DSM
数据安全管理平台
28

16.
产品架构：从数据治理到数据服务
数据建模
模型管理
服务器
Linux服务器
数据质量
数据标准 血缘关系
数据治理平台
服务器
Linux服务器
模型比较
同步标准
影响分析
元数据浏览
OLTP
数据库
生产数据库
生产态
开发态
Tomcat JRE 1.8
Tomcat JRE 1.8
浏览器 Chrome IE9以上
Oracle
Mysql
平台数据库
开发数据库
冷备
热备
网
络
端
口
模型管理
DDM DAM
OLAP
数据库
开发
数据库
Oracle
Mysql
模型数据库
测试
数据库
防火墙
客户端 Windows
数据目录
数据目录
服务器
Linux服务器
Tomcat JRE 1.8
安全管理
DDC
数据沙盒
浏览器 Chrome IE9以上
数据安全
管理服务
器
规则库
安全审计
API
标签服务
智能发现
共享
DDS
模型架构师
程序员
数据挖掘人员
数据架构师
标准管理员
数据治理人员
ITBP
内外部
数据相关人
ITBP
业务
人员
质量
Agent
应用
在线编辑
浏览评审
浏览器 Chrome
Tomcat JRE 1.8