데이터 거버넌스의 가장 단순한 구현

카탈로그를 사용하여 조직 전체에서 자산을 공유합니다. 카탈로그는 기계 학습 모델에서 기능 (입력) 으로 사용되는 열이 있는 데이터 세트를 포함하여 기능 저장소 역할을 할 수 있습니다. IBM Knowledge Catalog 관리자가 자산을 공유하기 위한 카탈로그를 작성하고 데이터 엔지니어, 데이터 과학자 및 비즈니스 분석가를 협업자로 추가합니다. 카탈로그 협업자는 프로젝트에 복사하여 카탈로그 자산에 대해 작업할 수 있으며 프로젝트에서 작성하는 자산을 카탈로그에 공개할 수 있습니다.

카탈로그 협업자는 카탈로그에 자산을 추가하여 다른 사용자와 공유하거나 다음 방법으로 자산을 찾아 사용할 수 있습니다.

• 데이터 엔지니어는 프로젝트에서 정리된 데이터, 가상화된 데이터 및 통합 데이터 자산을 작성한 후 자산을 카탈로그에 공개합니다.
• 데이터 엔지니어는 데이터 소스에서 카탈로그로 테이블 또는 파일을 가져옵니다.
• 데이터 과학자 및 비즈니스 분석가는 카탈로그에서 데이터 자산을 찾은 후 프로젝트에 자산을 추가하여 데이터에 대해 작업합니다.

데이터 자산은 다음과 같은 방식으로 시간 경과에 따라 메타데이터를 누적합니다.

• 데이터 자산이 프로파일링되며, 이는 데이터의 형식을 설명하는 사전 정의된 데이터 클래스를 자동으로 지정합니다.
• 카탈로그 협업자는 자산에 태그, 사전 정의된 비즈니스 용어, 데이터 클래스, 분류, 관계 및 등급을 추가합니다.
• 자산에 대한 모든 조치는 자산 내력에 자동으로 저장됩니다.

카탈로그 작성을 참조하십시오.

데이터 거버넌스를 위한 사용자 정의 옵션

언제든지 데이터 관리 구현에 사용자 정의 옵션을 추가하거나 업데이트할 수 있습니다. 통제 팀은 비즈니스 어휘를 설정하고 어휘를 사용하여 데이터를 가져오고 강화하며 데이터 품질을 분석하고 데이터를 보호하기 위한 규칙을 정의한 후 데이터 이용자가 찾을 수 있는 카탈로그에 데이터 자산을 공개할 수 있습니다. 데이터가 변경되면 테이블 또는 파일에 대한 메타데이터를 다시 가져오고 비즈니스 어휘 및 데이터 품질 분석을 사용하여 데이터 자산을 강화할 수 있습니다. 비즈니스 어휘를 확장할 때 데이터를 보호하기 위해 점점 더 정확한 규칙을 작성할 수 있습니다. 데이터 거버넌스 주기 동안 데이터 과학자 및 기타 데이터 이용자는 카탈로그에서 신뢰할 수 있는 데이터를 찾을 수 있습니다. 다음 그림은 비즈니스 어휘의 변경사항 및 데이터의 변경사항을 반영하기 위해 데이터 자산에 대한 메타데이터를 새로 고치는 지속적인 주기인 데이터 통제 방법을 보여줍니다.