发布: 10 August 2017 ID: G00315529
分析员: Guido De Simoni, Roxane Edjlali
总结
组织不断增加的发现和利用数据资产的需求，不断推动元数据管理和解决方案的增长。可以参考这个供应商的评估，为组织找到最合适的解决方案。
战略规划
到2020年，信息治理活动的50％将基于元数据来进行政策制定。
市场定义/描述
元数据描述了信息资产的各个方面，以便在整个生命周期中提高其可用性。元数据管理是关于组织对其数据和信息资产的管理，以解决数据治理，分析和企业元数据管理（EMM）等用例。值得注意的是这种元数据的理解远远超出了技术层面; 它被用作面向业务和技术项目的参考，并为描述、发现和理解多种用例（例如信息治理或分析）构建基础。
元数据管理解决方案的市场由独立元数据管理产品中包含以下元数据管理功能（一个或多个）的供应商组成：元数据管理解决方案市场空间中的供应商展示了识别，记录和维护, 抽取和转换的元数据之间的关系的能力。
魔力象限
Figure 1. Magic Quadrant forMetadata Management Solutions
Source: Gartner(August 2017)
关键评判标准
场景:
支持数据治理，数据生命周期，影响分析，业务词典，审计合规
支持商业智能和数据分析，数据血缘（业务报表与物理数据源的洞察）
支持主数据管理，企业核心业务实体（客户、产品、资产等），确保各业务系统一致。在元数据管理系统中，利用扩展属性辅助主数据管理。
支持SOA，SOA依赖元数据管理系统提供对数据、服务和关系的描述。
支持EMM，企业元数据管理，元数据从数据源中抽取和集成。
功能
元数据存储库 -由IT人员用来记录和管理元数据，并使用元数据进行分析。组织还可以使用存储库来发布关于可重用资产的信息，使用户能够在生命周期活动（如设计，测试和发布管理）中浏览元数据。
业务术语库 - 用于沟通和管理企业业务术语的存储库，以及相关定义和这些术语之间的关系。
数据血缘 - 指定数据的起源和迁移。它还描述了数据在不同流程中会发生什么。数据血缘可以帮助分析信息的使用方式，并且跟踪用于特定用途的信息的关键步骤。
影响分析 - 介绍有关信息依赖性或数据源中变更影响的详细信息。
质量规则管理 - 自动执行与数据和关联元数据相关联的业务规则。此功能支持执行数据质量验核。
语义框架 -实体关系（ER）模型，本体和建模语言，如资源描述框架（RDF），网络本体语言（OWL）和统一建模语言（UML）。
元数据抽取和翻译，如：
关于元数据
元数据使组织理解数据资产，数据资产的使用方式及其业务价值。 元数据管理为业务提供红利，包括改进合规性和公司治理，更好的风险管理，更好
的可共享性和重用性，以及在有新的商业机会和威胁时，企业对变革的适应能力。
元数据描述了数据资产的各个方面，以便在整个生命周期中提高其可用性。 元数据管理是关于组织对其数据和信息资产的管理，以解决数据治理，分
析和EMM等场景。 业务红利使越来越多的企业采用元数据管理解决方案，其中包括：
促进数据协作。在企业层面，元数据需要来自不同部门，地区的许多人的贡献。 元数据管理工具可以通过诸如数据目录等技术提供多用户环境，能够应对诸如用户访问控制或同步修改之类的协作挑战。此外，元数据管理解决方案可以通过实现数据管理及其元数据的业务驱动开发，促进数据消费者（数据和业务部门）和提供者（IT部门）之间的协作。.
处理复杂性。数据的复杂性取决于应用程序的复杂性，信息的多样性以及其描述的信息管理场景数量的增加。这种复杂性通常取决于企业的规模和企业信息管理的成熟度; 元数据分解并解释复杂性。
自动化流程。由于数据可能会发生变化，软件解决方案可以通过部分自动化（例如，创建，发布，批准或修订）启用或简化许多循环活动。元数据管理可实现这些自动化活动和流程。
市场的魔力象限图表明，元数据管理需要更多的创新和更好的执行，以满足自动化和语义丰富的需求，并结合云和本地部署。然而，正如我们去年的分析所预期的那样，我们看到了重大的变化和新的供应商的条目，有效地挑战了既定厂商的地位。
市场概况与趋势
元数据管理解决方案市场继续要求更多的创新和更好的执行，以满足自动化（机器学习和搜索功能的语义丰富）的需求，以及云和本地部署的组合。
该技术的能力不断扩大，并支持多种场景。 系统集成商和独立软件供应商合作伙伴不断增长的生态系统支持元数据管理解决方案。
此外，市场已经扩大，以满足组织解决信息治理的需求，特别是新一些监管要求，如“一般数据保护条例”（GDPR） - 即“法规（EU）2016/679”）（国内对应的是网络安全法）。
在加工数据输出业务价值时，数据和分析领导者必须了解其多种格式的大量数据。数据已经在不同的存储库中提供了数十年，但在当今的数字业务环境中，组织面临着通过映射不同数据格式之间的关系来访问和使用这些存储库中的数据的新需求，软件厂商正在调整：
新技术创新将引起人们对弥合信息孤岛的兴趣，从而提高信息化业务成果的价值。新的元数据管理功能出现在以下几个方面：
通过数据目录来解决业务受众。数据目录是通过发现，组织和描述数据集来构建目录的能力。 数据目录提供上下文以帮助数据分析师，数据科学家，数据管理员和其他数据消费者（包括技术背景较少的数据消费者）定位相关数据集并了解其意义，以确定和提取业务价值。
利用已建立的元数据管理功能（如业务词汇表，数据谱系和影响分析）以及其他创新方法（如自主主题提取，分类生成，语义发现，机器学习模式映射和知识图形），新技术 - 正在出现基于解决方案的有效支持数据目录的生成。这种支持使企业能够从现有数据资产中获得最大的价值，使其能够被需要他们管理的数据的用户轻松发现和理解。
基于元数据的数据消费。元数据管理市场正在展示一些供应商之间分歧的早期迹象，主要针对元数据的被动或描述性使用以及主动元数据使用路线的供应商。元数据的被动使用特别适用于数据治理，以及对数据使用数据的透明访问。 元数据的主动使用旨在支持数据消费，如查询数据甚至数据移动跟踪。活动元数据使用转换元数据在一个有效的语义层次中，旨在支持大多数分析场景的数据消费需求。
数据标准，统一业务的指标的口径。
总之，大多数组织都会发现，他们目前的元数据管理实践在应用程序，数据和技术方面是不同的。在购买新的元数据管理解决方案之前，应首先评估其现有数据管理工具的元数据管理功能，包括其抽取/集成功能。如果他们正在处理新场景（包括协作分析和面向群体的数据治理），那么他们应该了解和调查新的元数据管理解决方案。
关于Datablau
Datablau(北京蓝图明册科技有限公司)是企业数据资产管理软件市场的领导者，专注于数据治理，数据目录，元数据管理，数据准备，致力于打造世界级数据服务产品，帮助企业理解数据、融合数据，最终实现全面化数据驱动运营。
公司现有旗下产品Datablau数据资产运营平台，致力于让企业内部数据可见、可识、可控、可融，更易挖掘价值。Datablau协助企业自动化梳理企业数据，建立数据模型，改善数据质量，进行数据治理，充分发挥企业数据价值，解决了长期以来数据融合的痛点。
Datablau充当的就是数据科学家的角色，既有IT知识，又了解企业业务。Datablau会先了解企业有哪些存量数据，再从不同数据库，将不同结构的客户、内部流程、运营等数据进行抽取并脱敏，通过预定义标签以及企业的自有概念，将数据按标签梳理归类，产生数据资产目录和面向业务数据虚拟集。
访问www.datablau.cn 了解更多信息。
关注DatablauTech更多精彩文章与您分享
京公网安备 11010802041100号