0 / 0
Zurück zur englischen Version der Dokumentation
Anwendungsfall Master Data Management

Anwendungsfall Master Data Management

Ihr Unternehmen muss sicherstellen, dass Ihre Benutzer und Systeme eine vollständige, vertrauenswürdige und einheitliche Ansicht Ihrer Kundendaten haben. Cloud Pak for Data as a Service stellt die Plattform und Tools bereit, um eine konsolidierte Ansicht der Kunden zu erstellen, indem Daten domänenübergreifend verbunden und in interaktiven Dashboards dargestellt werden.

Sehen Sie sich dieses Video an, um den Anwendungsfall für Datenstrukturen zur Implementierung einer Lösung in Cloud Pak for Datazu sehen.

Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Tasks in dieser Dokumentation.

Challenges (Abfragen)

Um eine vertrauenswürdige und einheitliche Sicht auf Kundendaten bereitzustellen, müssen Unternehmen diese Herausforderungen bewältigen:

Schlüsselquellen von Kundendaten verbinden
Anstatt wiederholt Daten zu erfassen, müssen Unternehmen zum Zeitpunkt der Analyse eine Verbindung zu Schlüsselquellen von Kundendaten herstellen.

Aufteilung von Silos
Unternehmen müssen unterschiedliche und voneinander unabhängige Daten in einer einzigen, integrierten Kundenansicht zusammenführen.

Erstellung eines vollständigen Kundenprofils
Teams müssen genaue Ansichten von Kunden im richtigen Maß schnell erstellen, um Self-Service-Prozesse und Data Stewardship zu optimieren.

Bereitstellung der Daten für Benutzer
Datenentwickler müssen in der Lage sein, Kundendaten in einem einzigen Katalog zu veröffentlichen, auf den alle Benutzer, die die Daten verarbeiten müssen, Self-Service-Zugriff haben.

Sie können diese Herausforderungen lösen, indem Sie eine vertrauenswürdige und einheitliche Ansicht von Kundendaten mit einem Datenfabric in Cloud Pak for Data as a Serviceimplementieren.

Beispiel: Herausforderungen der Goldenen Bank

Folgen Sie der Geschichte der Golden Bank, die eine Kampagne führt, um niedrigere Hypothekenzinsen anzubieten. Die Bank benötigt eine konsolidierte Ansicht der Kundendaten kombiniert mit Scoredaten, um das vollständige Bild zu sehen, bevor Hypotheken für Kunden angeboten werden.

Prozess

Um einen Anwendungsfall für Master Data Management zu implementieren, kann Ihre Organisation den folgenden Prozess ausführen:

  1. Konsolidierte Ansicht Ihrer Kunden konfigurieren
  2. Erkunden Sie eine konsolidierte Ansicht Ihrer Kunden
  3. Daten gemeinsam nutzen

Die IBM Match 360 und IBM Knowledge Catalog Services in Cloud Pak for Data as a Service bieten alle Werkzeuge und Prozesse, die Ihr Unternehmen für die Implementierung einer Master Data Management benötigt.

Abbildung, die den Ablauf des Anwendungsfalls für die Stammdatenverwaltung zeigt

1. Konfigurieren Sie eine konsolidierte Ansicht Ihrer Kunden

In diesem ersten Schritt des Prozesses können Datenentwickler eine konsolidierte Ansicht Ihrer Kunden konfigurieren, indem sie Daten aus unterschiedlichen Quellen kombinieren, ein Datenmodell generieren und optimieren und die Daten dem Datenmodell zuordnen.

Was Sie verwenden können Aktion Am besten zu verwenden, wenn
IBM Match 360 Mit den Konfigurationstools in IBM Match 360können Datenentwickler Kundendaten aus verschiedenen Systemen in Ihrem Unternehmen erfassen und ein automatisch generiertes anpassbares Datenmodell anzeigen, ohne Tausende von Attributen manuell zuzuordnen.

Nachdem Ihre Daten in IBM Match 360geladen wurden, können Datenentwickler einen Abgleichalgorithmus ausführen, um aufbereitete Stammdatenentitäten zu erstellen.
Sie möchten einen intelligenten Abgleichalgorithmus verwenden, den Sie optimieren und trainieren können, um eine einzige, vertrauenswürdige, konsolidierte Ansicht der Daten zu erstellen.
Data Virtualization Fragen Sie viele Datenquellen als eine Datenquelle ab. Data Engineers können virtuelle Datentabellen erstellen, die Daten aus verschiedenen relationalen Datenquellen kombinieren, verbinden oder filtern können.
'
Dateningenieure können dann die resultierenden kombinierten Daten als Datenbestände in IBM Knowledge Catalog zur Verfügung stellen. Sie können die kombinierten Daten beispielsweise verwenden, um Dashboards, Notebooks und Datenflüsse mit einem Feed zu versorgen, sodass die Daten durchsucht werden können.
Sie müssen Daten aus verschiedenen Quellen kombinieren, um Ansichten zu generieren.

Sie müssen kombinierte Daten als Datenassets in einem Katalog verfügbar machen.

Beispiel: Konsolidierte Kundenansicht der Golden Bank konfigurieren

Datenentwickler der Golden Bank kombinieren Kundendaten aus verschiedenen Systemen in Ihrem Unternehmen sowie externe Daten mit Scoredaten, um Entitäten aufzulösen und eine konsolidierte Ansicht der Kunden zu erstellen. Die Entwickler richten Assets ein und fügen Assets zu den Stammdaten hinzu, ordnen die Datenassetattribute zu, publizieren das Datenmodell und führen den Abgleichalgorithmus aus, um die zu durchforschenden Daten vorzubereiten.


2. Entdecken Sie eine konsolidierte Ansicht Ihrer Kunden

Datenanalysten und andere Geschäftsbenutzer untersuchen die übereinstimmenden Daten.

Was Sie verwenden können Aktion Am besten zu verwenden, wenn
Stammdaten-Explorer Mit dem Stammdatenexplorer in IBM Match 360können Benutzer und Systeme Stammdatenentitäten suchen, anzeigen und analysieren.

Benutzer können Stammdaten direkt in dem Bereich erkennen, in dem sie voraussichtlich nutzen werden.
Benutzer und Systeme benötigen eine Gesamtansicht Ihrer Daten.

Benutzer und Systeme müssen Stammdatenentitäten suchen, anzeigen und analysieren.

Sie möchten APIs verwenden, um Ihre Geschäftsanwendungen mit vertrauenswürdigen Stammdaten zu verbinden.

Beispiel: Exploring Golden Bank's konsolidierte Ansicht der Kunden

Nachdem die Golden Bank-Datenentwickler eine konsolidierte Ansicht der Kunden konfiguriert haben, indem sie Kundendaten mit Scoredaten kombinieren, analysieren, untersuchen und validieren die Ergebnisse in IBM Match 360 , um die am besten geeigneten Kunden für Marketingkampagnenangebote zu ermitteln und auszuwählen.


3. Daten teilen

Der Katalog hilft Ihren Teams, Ihre Kundendaten zu verstehen und die richtigen Daten für die richtige Verwendung verfügbar zu machen. Data-Scientists und andere Benutzertypen können sich bei den abgeglichenen und veröffentlichten Kundendaten, die sie benötigen, unterstützen, während sie mit den unternehmensinternen Zugriffs-und Datenschutzrichtlinien konform bleiben. Sie können Datenassets aus einem Katalog zu einem Projekt hinzufügen, wo sie zusammenarbeiten, um die Daten vorzubereiten, zu analysieren und zu modellieren.

Was Sie verwenden können Aktion Am besten zu verwenden, wenn
IBM Knowledge Catalog Organisieren Sie Ihre Assets so, dass sie von den Mitarbeitern in Ihrem Unternehmen gemeinsam genutzt werden können.

Nutzen Sie die KI-basierte semantische Suche und Empfehlungen, damit Benutzer finden, was sie brauchen.
Ihre Benutzer müssen die qualitativ hochwertigen Daten auf einfache Weise verstehen, zusammenarbeiten, aufbereiten und auf sie zugreifen können.

Sie möchten die Sichtbarkeit von Daten und die Zusammenarbeit zwischen Geschäftsbenutzern verbessern.

Sie benötigen Benutzer zum Anzeigen, Zugreifen, Bearbeiten und Analysieren von Daten, ohne ihr physisches Format oder ihre Position zu kennen und ohne sie verschieben oder kopieren zu müssen.

Sie möchten, dass Benutzer Assets durch Bewertung und Prüfung verbessern.

Beispiel: Golden Bank-Katalog

Die Datenverantwortlichen suchen die übereinstimmenden Kundendatenassets, die sie benötigen, im Katalog und kopieren diese Assets in ein Projekt. In ihrem Projekt können die Data-Scientists die Daten optimieren, um sie für das Training eines Modells vorzubereiten.

Lernprogramme für Master Data Management

Lernprogramm Beschreibung Fachkenntnisse für das Lernprogramm
360-Grad-Ansicht konfigurieren Richten Sie Ihre Daten ein, ordnen Sie sie zu und modellieren Sie sie, um eine konsolidierte Ansicht Ihrer Kunden zu erstellen. Verwenden Sie die Drag-and-drop-Schnittstelle Match 360 , um Ihre konsolidierte Ansicht zu konfigurieren.

Weitere Informationen

Übergeordnetes Thema: Anwendungsfälle

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen