大数据如何拯救企业数据目录？

“数据目录”这一概念其实并不新鲜，早在大型机时代，企业就开始通过数据目录跟踪、管理其数据资产。数据目录保存的是与数据有关的数据，或称之为元数据。一个企业的数据目录需要记录遍及整个公司的所有数据库和文件，并为其添加描述，例如，如果有可能的话，对文件与文件之间的关系进行记录。

数据目录允许业务用户快速找到他们所需的信息源——无论是资产数据、公司的地理位置，还是产品和供应商的信息。但是，数据目录只有在保持最新的情况下才能保证有效——而在一个快速变化的行业中，这可能很难做到。

元数据和数据目录

理解元数据的一个简单方法是用电影来类比。电影存储在广播公司的电影库中，但是您需要保存的不仅仅是电影的标题。重要的是要知道这部电影的时长是多少、里面有哪些演员、谁是导演、谁是编剧、以及关于剧本的信息，所有这些都是关于电影的元数据。

想必大家对数据目录、数据字典和业务术语表等概念也已经大概了解了。业务术语表针对的是业务用户，而数据词典针对的是更懂技术的受众，两者之间存在着细微的差别。不过这三个概念都明显与元数据有关——而且它们都面临着类似的挑战。

企业数据目录的挑战

早期的数据目录主要关注技术数据，比如数据库中有多少字段、字段是基于数字还是基于字符、字段有多长以及它是否有一个有效值范围。后来，该定义被扩展为包括关于业务数据类型的信息，甚至包括该数据的定义，例如什么是“客户”、“产品”或“资产”。

其中有一个关键问题在于，企业数据目录可能会过时。通常情况下，热心的员工会输入关于各种系统和数据库内容的信息，但是却没有什么动力来时刻保证这些信息都是最新的。当新系统部署完成、整个公司被收购且它们的系统被添加到企业投资组合中，或者进行重组时，那些费力输入的描述性元数据会变得过时，以至于不再受信任，然后就不用了。

虽然许多公司花了很多精力来实现有效的目录，但是随着业务的快速变化，很少有公司会持续努力保持企业数据目录完全同步。因此，尽管今年来有几家软件供应商提供了数据目录、数据字典和业务术语表等产品服务，但并未得到真正意义上的广泛普及。

AI和企业数据目录

在数据量和数据种类不断增加的时代，让企业数据目录保持最新，已经变得越来越困难。但是，人工智能等技术的应用，获取可以对此状况有所改变。

机器学习应用程序可以筛选企业数据目录和文件系统，自动收集元数据标记，整个过程类似于谷歌在互联网上搜索网站并进行编目和索引的方式。将此技术应用于数据目录，可以帮助企业实现自动填充和更新——不需要人工干预。这可以解决阻碍企业数据目录的关键问题：需要人工做许多繁复的工作。可以预见，人工智能很可能将帮助数据目录市场蓬勃发展。

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。