数据资产管理平台竞品分析报告

目前，公司正在进行数据治理，准备外购一款数据资产管理平台，用于承接公司的数据资产。 为了找到适合的产品，首先需要了解公司自身的痛点，再根据痛点在考察各竞品的功能，本文正是基于这样的思路进行分析。

一、痛点及需求

在实际数据管理时，常遇到这样的问题：

• 数据语言不统一：不同业务系统同样指标或字段定义不一致，缺少统一的数据命名规范和标准
• 数据找不到、读不懂：数据多源头，分析师和技术不知道想要的数据在哪、数据加工逻辑等，无法厘清信息资产
• 数据不可信：缺乏数据的质量管控和评估手段，无法保障数据准确性、一致性、有效性等
• 数据不可联：“烟囱式”开发，数据不共享、不流通，无法实现跨领域的数据分析和数据创新

对于上述问题，提炼出以下需求点：

• 数据标准：建立统一的数据规范命名体系，保障数据口径一致
• 元数据：建立数据资产地图，包括元数据管理、血缘及影响分析、资产目录等
• 数据质量：建立数据质量规则和质量监控机制，帮助用户及时发现数据质量问题
• 数据安全：建立包括访问控制、脱敏加密等在内的数据安全体系
• 主数据管理：建立主数据模型、主数据管理流程，实现跨部门、跨系统数据融合应用

二、竞品分析

对A、B、C、D四家数据资产供应商进行分析，首先从数据治理体系上对各家产品进行概览性描述，然后在分析和对比核心功能模块，最后得出结论。

2.1 A

2.1.1 数据资产管理平台产品信息架构

接下来分模块对产品功能简要介绍
2.1.1.1  数据接入

支持Oracle、Mysql、SqlServer等关系型数据库、mongodb数据库及大数据环境下的Hive、HBase、HDFS分布式数据库的接入与管理，支持Excel补录数据，实现结构化数据、非结构化数据的统一归集。

2.1.1.2 元数据

可自定义元数据，系统自动采集元数据（增量更新），可对元数据进行检索和维护（字段级别），当数据模型发生变化时，元数据可动态感知，并生成感知日志

血缘分析：支持自动解析和手工维护析血缘关系；血缘分析方式：影响分析、血缘分析和全链分析；分析内容：库表字段间的血缘关系，不支持加工逻辑的解析

2.1.2 数据标准

A在建设数据标准时，将数据标准分为两部分：数据标准制定+标准执行评估。

其中标准制定分为枚举项标准和数据元标准，两者都是公共的业务术语，具体如下：

• 枚举项标准是指可枚举的最小数据单元，如男女、省市县。枚举项标准可关联到数据词典；
• 数据元标准则是非枚举型的最小数据单元，如电话号码，从业务和技术两个维度对字段进行描述，发布后方能生效；

数据词典是确定的、标准的静态数据分类，供元数据和模型配置中引用。可根据需求自定义字典中包含的字段，灵活性较高

数据标准执行评估，评估方式为事后评估：数据标准直接下发到数据模型，采用手动/定时任务方式评估模型是否符合标准，以及标准执行的具体情况

2.1.2.1 数据建模与同步加工

首先新建数据分类，主要是从非业务角度对数据资源进行分类管理

支持新建、抽取、映射、导入、融合五种数据建模方式，支持主子表复合模型建模。支持对模型打标签，对模型字段属性编辑、查看库表结构。可启用模型审核流程，审核后模型才能生效。模型每次生效都会产生新版本，支持不同版本之间的对比。在建模初始化中，对模型的修改则不会产生版本记录，减少脏数据产生。

支持对数据模型配置管理，包括模型属性配置和页面展示配置。其中，

• 属性配置是对模型字段进行配置管理，包括是否匹配字段（数据维护、调用接口、数据清洗时根据匹配字段进行匹配导入）、是否为字段设置默认值（常量、系统变量）、设置关联对象类型（关联模型、关联数据词典。关联后，可配置引用/显示字段、为字段赋值、配置过滤规则）、配置运算公式（字符型/数值型/日期型/常量属性支持“拼接”运算，数值型属性支持“四则运算”）
• 页面展示配置包括展现方式（列表/树列表）、排序字段配置、属性分组设置、文本域设置等
• 属性配置和展示配置中配置的内容将在数据管理模块中查看

在数据管理模块中，可对数据模型的具体属性值进行维护和查看，其中，

• 数据查看：查看已生效的模型和模型数据情况
• 数据维护/初始化维护：该功能仅适用创建方式的数据模型。可以对模型字段值进行编辑、导入/导出、审核，管理版本等
• 任务管理：查看导入、导出任务执行记录、执行状态、进度、失败原因

在数据融合模块，支持对数据模型进行同步和加工，其中，

• 模型同步：同步数据源之间的表/视图同步，支持配置过滤规则（行过滤、列过滤）、更新策略（全删全增、追加、更新、增量追加、增量更新）、配置调度任务和权限
• 模型加工：对数据进行加工处理，有两种加工方式：可视化拖拽方式和写SQL方式
• 可视化拖拽方式：通过拖拽进行数据源连接并基于连接结果做数据过滤等加工操作，然后发布为模型/视图。支持的加工操作包括：横/纵向连接、过滤、去重、排序、映射、字段合并、拆分、分组聚合、赋值、类型及大小写转化等，支持预览
• 写SQL方式：通过写SQL完成数据连接、数据过滤、数据汇总等一系列加工处理，可直接发布为模型/视图，支持预览
• 任务调度：查看/执行模型同步和加工配置的定时任务，查看任务日志和模型更新结果

对于非结构化数据，在文件管理模块中进行查看和维护；支持对文件元数据定义，支持office系列、txt、图片、pdf类型、音视频的文件上传、预览、下载和删除；支持服务器磁盘、HDFS、HBASE等多种文件存储方式

2.1.2.2 数据质量

A的数据质量包括质量规则管理、质量落地评估、质量预警三类功能。其中，

• 质量规则管理：质量规则管理包括质量规则制定+权重设置。质量规则包括非空规则、唯一规则、组合唯一、一致规则、核准规则、规范规则、阈值规则、正则规则、条件规则、组合规则、多字段约束规则。同时，支持内置规则模板，实际制定规则时，可直接引用
• 任务评估：支持配置定时任务，对任务执行情况进行监控，查看评估结果和评估日志。在查看评估结果时，可查看可视化评估报告、脏数据表、以及历史评估结果
• 质量预警：包括异常预警和低分预警（任务评估时会给出具体的质量评分），预警通过短信/邮件方式通知接收人

制定质量规则的对象是单个字段或单个模型，不支持批量操作

2.1.2.3 数据资产地图

数据资产地图包括两部分：资产地图和资产盘点

• 资产地图：支持从业务角度定义主题，基于主题对数据资产进行归类、展示；资产目录则是从数据资源存储角度对数据资产进行归类、展示
• 资产盘点：基于数据现状对数据进行盘点，包括资产大盘（数据量、资源访问情况、数据质量评估情况、数据交换情况）、元数据盘点（模型个数、模型按库/主题/分类/创建方式分布情况等）、数据盘点（结构化/非结构化数据量、访问次数、存储空间等）、数据质量盘点、数据交换盘点

2.1.2.4 数据服务

数据服务是用来做平台和第三方之间进行数据交换的：当第三方查询/更新平台数据时，提供接口服务。

支持对服务调用方管理、加密传输，支持对交互的数据进行字段和值映射，支持查看交换日志

2.1.2.5 数据安全

数据安全方面主要是权限控制，另外包括密级管控、脱敏加密。权限控制中，支持对数据库权限、数据分类权限、字段权限、行权限、按钮权限管控，具体的数据权限和用户权限查询可在权限查看中进行检索查看。

2.2 B

2.2.1 数据治理体系–多平台

接下来分模块对产品功能简要介绍

2.2.1.1 数据接入

支持关系型数据库类型： MariaDB、DB2、Gauss DB、GBase、SAP HANA、MaxCompute、MySQL、Oracle、Postgre SQL、HAWQ、SQLServer 和 Teradata 等

支持的非关系型数据库： Cassandra、HIVE 和 Mongo DB 等
2.2.1.2 元数据

元数据自动采集，无需配置采集任务

支持自定义元数据属性；支持元数据引用数据标准；支持手工维护血缘关系

提供智能标签服务体系，通过定义打标签的规则自动为数据打标签，标签可作为检索条件对元数据和数据资产进行检索

对元数据分类维度包括业务部门、IT部门和业务域三个方面，元数据检索/查看粒度包括系统、库、schema、表/视图、字段、存储过程、函数。视图可以查看到对应的SQL语句、解析出的表和视图

支持定义业务实体和业务流程，从实际业务场景角度对元数据进行盘点，在数据建模平台引用

对于用户在数据资产管理平台上提交的数据需求，在元数据模块中进行收录、分析和管理

支持血缘分析和影响分析，元数据血缘分析可解析出加工过程

2.2.2 数据标准

B的数据标准体系分为基础标准和指标体系，其中，

• 基础标准是字段级数据标准，包含命名词典（是公共的、最小粒度的词根，通过词根可进行字段中文名称拼接）、标准代码（是枚举项，作维度值使用，通过枚举项代码直接引用）、数据标准（通用的业务术语）
• 指标体系是指标级别数据标准，包含指标体系和维度体系（定义了通用的指标和维度）

支持从业务属性、技术属性和管理属性三个方面对每个数据标准进行维护

支持查看每个数据标准被引用的情况、版本历史、开发审核状态

数据标准落地支持事前控制和事后评估，其中，

• 事前控制：整个数据标准体系可在数据建模平台直接引用，数据资产管理平台和数据建模平台打通，两个平台关于数据标准的操作（如编辑、更新）可实现同步
• 事后评估：支持元数据引用数据标准，在数据资产模块和数据建模模块可查看数标落地情况

2.2.2.1 数据建模

数据建模平台通过可视化画ER图的方式，实现从应用数据标准到数据库设计。支持多人协作的数据建模跨部门共享数据模型。

• 可视化拖拉方式建模、直接引用数据标准，或引用智能推荐的数据标准数据字段
• 多人协作，同时编辑和修改模型
• 自动生成SQL建库脚本，数据字典管理
• 对象级增量版本管理，详细列出模型版本之间差异，并根据差异进行表和字段级别的合并，模型变更全历史记录
• 支持对象命名自动按规范翻译，实现数据模型的命名规范
• 自动进行模型合规检查，记录模型库对标准的引用情况，生成标准落标报告

2.2.2.2 数据质量

B数据质量规则包括完整性、准确性、一致性、可用性、合规性等规则，支持对规则自定义

基于需求选择对应的质量规则后，生成检查任务和修复任务

驾驶舱展示整个资产的质量问题等情况

2.2.2.3 数据资产

该数据资产地图面向的人员为内部技术人员，其中

• 资产概要展示了数据资产的整体情况，如业务系统个数、各系统标准覆盖率、核标率等
• 系统数据地图和业务数据地图以可视化动态地图方式展示各系统/数据库分布情况
• 业务数据地图中支持筛选重要性为高的业务数据进行展示
• 系统数据地图中支持检索功能，支持查看每个系统的基本情况：接口、模型、所属业务域，系统间的关联关系、表级血缘关系等

2.2.2.4 数据服务

数据资产目录平台主要面向业务人员使用，基于统一数据授权，统一提供数据资产访问平台。

• 资产检索：基于数据业务目录检索目标数据，包括报表、表/视图、指标、数据标准、文件类资产、数据库
• 数据探查：除展示目标数据的基本情况，还包括血缘关系、字段的值域分布、API调用情况等，支持添加评论备注、在线编辑、接入BI产品
• 当未检索到目标数据时，可创建数据需求，该需求在元数据模型汇总，基于需求BI进行开发
• 智能数据标签：自动发现敏感数据和个人隐私数据，并进行标注，提示风险
• 数据安全：控制API，JDBC和BI工具的访问，统一用户密码体系，提供数据访问时间控制，字段项脱敏控制

2.3 C

2.3.1 数据治理平台产品信息架构

接下来分模块对产品功能简要介绍

2.3.1.1 数据接入/集成

支持数据库、报表工具、ETL工具等数据采集适配器，主流关系型/非关系型数据库，关系型包括MySQL、Oracle、MaxCompute等，非关系型包括MongoDB、Hive、HBase、HDFS等 EXCEL导入、支持采集文件

2.3.1.2 元数据

支持元模型设计，包括基本信息、属性、父类、子类、组合、被组合、依赖、被依赖等

基于设计好的元模型，配置元数据采集任务：①首先配置采集源，②设置采集任务，③入库审核，④查看采集日志。当系统第一次被采集时，可经过入库审核操作，支持采集部分表，勾选部分字段入平台库中

在元数据管理中，支持对采集到的的元数据进行编辑和新增，同时支持对元数据检核，包括一致性检核（检查最新元数据与数据源里的数据是否一致）、组合关系缺失检核（跟元模型对比）、属性填充率检核、元数据标准覆盖率检核、检核例外管理、配置检核任务。血缘分析支持手工维护；支持查看元数据版本变更记录；支持为元数据添加数据标准映射（手动和智能推荐映射两种方式）

元数据应用中，血缘分析包括影响分析、血缘分析、全链分析、关联度分析、属性值差异分析、元数据对比分析、重复元数据分析；支持解析出加工过程；支持对元数据进行检索，检索粒度包括系统、库、域、表、字段、索引等

2.3.1.3 数据标准

数据标准体系包括两部分：基础数据标准和常用数据标准。其中，

• 基础数据标准包括了词根管理、参考数据管理和编码规则管理
• 词根管理中维护了公用的、最小粒度的词根；支持导入导出
• 编码规则管理则维护了字段命名规则，比如规定日期类型字段标准为YYMMDD
• 参考数据维护了公用的维度值，如产品类型，支持新建维表，维表类型包括维表、数据期维表、螺旋维表；支持导入导出
• 常用数据标准维护了字段级的常用业务术语，如开户日期，支持分类和自定义；支持映射到元数据

对数据标准进行增删改查时，从业务属性、技术属性和管理属性三个方面进行操作

数据标准经过审核后发布为定版数据标准，才可进行使用；支持查看历史版本

数据标准执行情况仅支持事后评估

2.3.1.4 数据质量

数据质量规则支持有效性、准确性、完整性、一致性、及时性、偏差性稽核规则

规则配置支持条件过滤，权重配置

配置好任务调度方案后，执行结果在数据质量监控模块查看；支持制定预警机制，通过邮件/短信通知接受人

2.3.1.5 数据资产

从业务角度对数据资产进行盘点展示，支持定义数据资产编目；支持查看数据表的库表结构和字段值，记录数据表被查看和被交换的次数

数据资产生命周期可用于对数据进行归档，一般按时间维度来维护归档机制

2.3.1.6 数据服务

通过接口实现数据的交换，通过访问控制授权访问

数据安全包括权限、脱敏加密

三、核心功能对比

通过对各家产品的纵向分析，可知道各产品的功能基本情况，接下来进行横向分析，对比各家产品在元数据、数据标准、数据质量、数据建模、数据资产、数据服务6个功能模块上的表现情况，对比结果见下表。

3.1 元数据

总结：

在元数据管理中，最基本的需求是描述数据的基本信息（业务/技术/管理元数据）和解析数据的来龙去脉（血缘分析），衍生需求是元数据的父/子类标准、变更记录、审核、补录维护、下载等。

从元数据采集到应用整个流程上看，四家基本功能大致相同。

• 在元模型设计上，C和D的元模型设计自由度最高，可配置信息丰富；A和B只支持业务/技术/管理元数据属性定义
• 在元数据采集上，A、B和D元数据采集方式一致，C元数据采集时需配置数据采集任务，配置不同的入库策略
• 在元数据管理上，B、C和D有元数据质量检查这一功能，B的是平台自主检测，C的则是用户自主执行检查（关于这一功能的使用C的顾客表示不好用）；A无元数据质量检查功能
• 在元数据应用上，A的血缘解析和元数据应用相对较弱，且整体元数据的组织比较混乱，无归类层级关系；B有独特的数据/报表收集流转功能、智能标签

3.2 数据标准

总结：

对于数据标准的需求，可以分为两个部分：数据标准制定和数据标准执行。在数据标准制定中，可以将数据标准分为基础数据标准（行业/业务词汇库、参考数据、与主数据相关的标准业务术语）、应用数据标准（指标体系）、命名规则（表/字段命名规则）。在数据标准执行中，分为事前控制和事后评估。

• 在基础数据标准中，四家产品功能大致相同。A仍然在产品信息整合上较混乱，B在标准版本管理上优于其他三家，C提供的参考数据管理能力比较丰富，除了满足基本维度管理外，还支持特殊需求，如螺旋维表等；D的优势项在于数据标准间的关系图谱，支持分析数标上游参考、下游引用等全链路关系分析
• 在应用数据标准中，B和D支持指标体系管理和命名规范，能进一步统一数标建设规范
• 在数标执行中，对于事前落标上，只有B和D支持事前落标，支持从源头上建设数据标准；对于事后落标上，A和C通过配置任务方式在评估贯标情况、B和D则采用自动化/半自动化方式评估贯标情况，四者贯标结果颗粒度大致相同

3.3 数据质量

总结：

数据质量建设包括质量规则制定和质量规则落地评估两个方面。

• 在规则制定与管理中，A、B、D三家的数据质量规则基本一致，满足需求，C的规则制定与管理功能比较丰富，如数据质量规则与数据标准直接打通、规则支持Python脚本、问题评级等
• 其他功能，四家产品大致相同

3.4 数据建模

总结：

数据建模包括模型设计和模型管理两个方面。

• C无建模工具、D与B是合作关系，其建模工具就是B的建模工具
• B和A有建模工具，就功能能力来说，A建模工具比较简陋，基本满足不了建模需求。而B建模功能能力丰富，采用可视化ER图的方式，支持从应用数据标准到数据库设计模型全生命周期管控。此外实现数标事前落地的需求，支持拖拉的方式直接引用数据标准或智能推荐标准、模型对象自动规范化命名等

3.5 数据资产

在数据资产上，B和C的数据资产地图内容比较丰富，A一般

• A数据资产提供对各类资产的盘点和数据资产地图，按业务和系统角度对数据进行归类，支持查看数据和查看元数据
• B的数据资产地图，按系统角度对数据归类层面，在满足基本需求的前提下，采用可视化动态报表样式进行展现，体验较好，按业务角度对数据归类层面，有较好的搜索功能，支持查看数据和库表结构、API、血缘关系、添加评论等。当未检索到目标数据时，可通过创建需求方式向数仓开发描述、提交数据需求，减少沟通成本
• C的数据资产地图仅支持一种方式对数据进行归类，支持查看数据、库表结构、元数据、交换和下载等
• D的数据资产地图可自定数据地图的内容，通过数据血缘汇总数据地图的链路关系

3.6 数据安全与服务

在数据安全与服务模块，四家产品功能基本相同，都提供权限方案、安全等级、脱敏加密等功能

四、总结

• 需求满足程度上，四家产品在元数据、数据标准、数据质量、数据资产、数据服务/安全模块上基本满足数据治理需求，但如果考虑数据标准前置落地需求，则只有B满足需求
• 从交互体验上，B的产品功能最简洁，学习成本低、交互简单友好；A的产品功能较多，产品信息架构较混乱，功能分散、有部分功能重复，内在逻辑线不清晰，学习成本较高，交互体验较差；C的产品功能最丰富，整体产品逻辑清晰，但是功能层级嵌套较深，有些功能不易被发现，学习成本高，交互体验好

本文作者 @细嗅蔷薇

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！