數據字典缺乏管理
生産庫中存在大量字段和表沒有注釋、含義模糊不清。
同名不同義、同義不同名、冗餘字段和表等，直接影響對數據的識别和應用。
數據模型變更審批缺乏評審
數據模型變更前的合理性缺乏評審。
對不同系統的數據模型，在變更時從數據設計、業務合理性、數據治理等方面缺乏綜合性評審。
數據标準落地沒有抓手
一期治理項目做了幾百數據标準，沒有工具，項目組難以落标和考核。
不同系統的建設，由相應的開發廠商完成，各廠商的标準不一，造成數據模型的質量參差不齊。
字段同名不同義、同義不同名
字段代碼值不一緻，影響共享
字段類型不一緻
字段長度不一緻
數據架構缺乏管理
缺少企業數據模型統一視圖，無法做模型的合理性分析和規劃。
業務邏輯模型沒有參照：一些成熟的，可以作爲标準化的設計不被廣大項目組所知曉，導緻一些項目組在設計模型時沒有參考，通過試錯來積累，效率很低。
模型管理工具不一緻，從成熟工具到 Excel，甚至沒有模型管理工具。工具也沒有版權，存在一定法律風險。
榮鼎信證信息科技數據模型管理和标準落标解決方案
01使用 Datablau DDM 模型設計和管理工具，打通模型設計和數據标準的場景，形成标準直接落地的操作性工具
02建立模型庫，統一模型存儲，沉澱全企業的數據模型資産。
03模型開發者多人協同工作，進行元數據融合，實現開發，設計，生産一體化。
04模型管理者在WEB端進行查詢與分析，進行模型質量和落标的審核，實現數據資産的自動化盤點。
價值效益
TP&AP一體化
形成企業級數據模型資産，模型共建共享。數據字典充足率可達到 100%
自動化腳本投産
将數據模型管理納入開發投産的統一管理中，數據腳本出錯率降低 80%。
數據标準落地
在數據模型設計中體現數據标準，逐步實現引标落标，根據我們的經驗，數據标準落标率核心系統可以提高到 90% 以上。
