什么是數(shù)據(jù)集成？

在企業(yè)大數(shù)據(jù)項(xiàng)目中有80%的工作都和數(shù)據(jù)集成相關(guān)，數(shù)據(jù)集成是將零散的數(shù)據(jù)整合在一起，形成一個(gè)新的數(shù)據(jù)集，從而為企業(yè)提供全面的數(shù)據(jù)共享。

企業(yè)為什么要進(jìn)行數(shù)據(jù)集成？

由于企業(yè)各部門(mén)之間數(shù)據(jù)不互通，數(shù)據(jù)彼此獨(dú)立、相互封閉，很難使得數(shù)據(jù)進(jìn)行融合與共享，導(dǎo)致企業(yè)形成“數(shù)據(jù)孤島”，企業(yè)想要徹底消除數(shù)據(jù)孤島，需要集成現(xiàn)有數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)一體化，充分利用數(shù)據(jù)資源，為企業(yè)提供決策與支持。

您的數(shù)據(jù)是否遇到以下幾種情況

1.缺乏全面的數(shù)據(jù)梳理，無(wú)法準(zhǔn)確掌握數(shù)據(jù)整體狀況。

2.數(shù)據(jù)來(lái)源多種多樣、含義、口徑不一，數(shù)據(jù)質(zhì)量低下。

3.零散數(shù)據(jù)眾多，無(wú)法進(jìn)行數(shù)據(jù)整合。

4.缺乏數(shù)據(jù)共享有效監(jiān)管，上下游數(shù)據(jù)出現(xiàn)不一致情況。

吉佳通達(dá)數(shù)據(jù)集成技術(shù)簡(jiǎn)介

1.實(shí)體對(duì)齊

實(shí)體對(duì)齊是判斷兩個(gè)或者多個(gè)不同信息來(lái)源的實(shí)體是否為指向真實(shí)世界中同一個(gè)對(duì)象，如果找到多個(gè)實(shí)體表征同一個(gè)對(duì)象，則需要在這些實(shí)體之間構(gòu)建對(duì)齊關(guān)系，同時(shí)對(duì)實(shí)體包含的信息進(jìn)行融合和聚集。我們來(lái)舉個(gè)簡(jiǎn)單的例子，如“王明”一詞，在不同來(lái)源中指向同一對(duì)象，所以在實(shí)體對(duì)齊的過(guò)程中需要將不同來(lái)源的實(shí)體信息進(jìn)行對(duì)齊融合，以避免“王明”在知識(shí)圖譜中重復(fù)出現(xiàn)或?qū)嶓w的信息不完整。

2.記錄鏈接

記錄鏈接是在數(shù)據(jù)集中查找跨越不同數(shù)據(jù)源，它基于在可用數(shù)據(jù)集中匹配的單個(gè)標(biāo)識(shí)符的數(shù)量來(lái)生成鏈接。每個(gè)源包含若干記錄，而記錄包含一定數(shù)量的列。一般，每個(gè)記錄對(duì)應(yīng)于一個(gè)實(shí)體，而列是標(biāo)識(shí)實(shí)體的屬性，例如名字、地址、年齡和性別。

3.投影、篩選

投影是“選擇”列，篩選是“選擇”行。

篩選是按條件，投影是指選擇一個(gè)屬性的數(shù)據(jù)，如有一個(gè)患者表包含屬性：姓名、年齡、性別，當(dāng)選擇姓名為“王明”的患者，會(huì)選擇出所有患者姓名為“王明”的患者。

4.數(shù)據(jù)集

將篩選之后的數(shù)據(jù)，融合在一起，形成新的數(shù)據(jù)集。

吉佳通達(dá)數(shù)據(jù)集成基于領(lǐng)域知識(shí)圖譜集成數(shù)據(jù)，可保證數(shù)據(jù)概念模式的科學(xué)性，實(shí)現(xiàn)多種數(shù)據(jù)類(lèi)型的關(guān)聯(lián)，通過(guò)對(duì)各個(gè)數(shù)據(jù)源的數(shù)據(jù)交換格式進(jìn)行一一映射，從而實(shí)現(xiàn)數(shù)據(jù)的流通與共享。