Gestion des données maître à l'aide d' IBM Match 360
Dernière mise à jour : 05 avr. 2025
Gestion des données maître à l'aide d' IBM Match 360
Utilisez le service IBM Match 360 with Watson (bêta) sur Cloud Pak for Data as a Service pour consolider les données provenant de sources disparates qui alimentent votre entreprise et établir une vue unique, sécurisée et à 360 degrés de vos clients.
IBM Match 360 vous aide à résoudre les enregistrements de données dans différentes sources afin de vous donner une vue plus claire de chaque client. Chargez les données d'enregistrement des systèmes de votre entreprise dans IBM Match 360 et exécutez les algorithmes correspondants pour consolider ces données en créant des entités de données maître dignes de confiance. Une fois que vous avez correspondu à vos données, IBM Match 360 affiche des statistiques et des graphiques pour aider les utilisateurs métier à analyser et explorer vos données maître.
IBM Match 360 est disponible dans le centre de données régional de Dallas (us-south).
service requis
IBM Knowledge Catalog
Services supplémentaires
IBM Knowledge Catalog
Services connexes
DataStage
Format des données
Données d'enregistrement: CSV, TSV ou PSV (délimité)
Modèles de données: JSON
Taille des données
Jusqu'à 1 000 000 enregistrements (pour le plan Lite)
Restriction :
Le plan Lite IBM Match 360 with Watson vous permet de créer une instance de service par compte et de traiter jusqu'à un million d'enregistrements. Les services avec le plan Lite sont actifs pendant 60 jours. Les services du plan Lite sont supprimés au bout de 30 jours d'inactivité.
L'image suivante illustre un exemple de scénario dans lequel IBM Match 360 crée des entités de données maître sécurisées en mettant en correspondance des données provenant d'une organisation.
Vue d'ensemble de la mise en correspondance
Le service IBM Match 360 comprend deux expériences utilisateur connectées et complémentaires : la configuration des données de référence et l'espace de travail des données de référence.
IBM Match 360 expériences utilisateur
Expérience utilisateur IBM Match 360
Droits de groupe d'utilisateurs
Actions
Configuration des données de base
DataEngineer
Préparez et configurez les données maître : - Configurez l'actif de configuration de données maître IBM Match 360. - Téléchargez des ressources de données ou connectez des sources de données. - Affinez le modèle de données généré. - Mappez des données dans le modèle. - Exécutez la fonction de mise en correspondance puissante du service IBM Match 360 pour créer des entités de données maître. - Configurez et optimisez l'algorithme de correspondance pour répondre aux exigences de votre organisation.
Espace de travail des données de référence
DataSteward
Rechercher, afficher, analyser, ajouter, modifier et exporter les entités et enregistrements de données de référence.
Espace de travail des données de référence
EntityViewer (utilisateur métier)
Rechercher, afficher et analyser les entités et enregistrements de données de référence.
Examen de paires
DataSteward DataEngineer
Passez en revue les paires d'enregistrements pour faciliter l'entraînement et l'optimisation de l'algorithme de correspondance.
Pour utiliser toutes les fonctionnalités d' IBM Match 360, vous devez:
Avoir le service IBM Knowledge Catalog
Association d'un catalogue à votre instance de service IBM Match 360
Sans IBM Knowledge Catalog, les fonctionnalités clés IBM Match 360 telles que le profilage, l'automapping, les workflows de qualité des données et la gouvernance des données ne fonctionneront pas. Les autres fonctions du service IBM Match 360 fonctionneront normalement.
Avant de pouvoir faire correspondre les données à l'aide de IBM Match 360, vous devez créer un projet.
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.