Muster datenauskunft



Dans : Non classé

28 Juil 2020

Der Zweck dieser Mitteilung besteht darin, Sie über unsere Datenschutzpraktiken zu informieren und sicherzustellen, dass Sie die Zwecke verstehen, für die wir Ihre personenbezogenen Daten erheben und verarbeiten. Im Folgenden finden Sie eine kurze Zusammenfassung der Art und Weise und der Zwecke, für die wir Ihre personenbezogenen Daten verarbeiten. Informatica unterstützt seit über 25 Jahren die Anforderungen unserer Kunden an Datenintegration und -management. Während dieser Zeit haben wir Informationen über die Entscheidungen gesammelt, die Personen treffen, wenn sie Daten von einem Standort an einen anderen verschieben. Mit unserer CLAIRE™-Engine haben wir festgestellt, dass es viele gängige Muster gibt, die bei bestimmten Kunden existieren; Sie haben z. B. eine singuläre Zuordnung erstellt, die hochgradig parametrisiert werden kann, die sie tausende Male ausführen (wobei das Verhältnis einiger Kunden im Februar mehr als 30.000:1 in Bezug auf Ausgeführte Aufträge im Vergleich zu erstellten Assets) für verschiedene Quellen/Ziele ausführt, oder es gibt bestimmte Schritte, die die meisten Kunden ergreifen, wenn sie Daten in eine bestimmte Quelle verschieben. Also begannen wir uns eine neue Art und Weise für die Datenarchitektur vorzustellen, einen Workflow, der automatisiert und von der Zieldefinition gesteuert wird. wir nennen es « Target Driven Development ». Die CLAIRE AI-Funktion von Informatica wird nun verwendet, um eine Integrationsempfehlungs-Engine zu entwickeln, die auf wiederholbaren Mustern basiert und Funktionen wie Innerhalb-Transformationsempfehlungen wie Feldzuordnung, Tischler und Filter sowie übergreifende Empfehlungen wie Qualitätssicherungsschritte und eine Empfehlung zum Beitritt zu einer anderen Quelle bietet. Begleiten Sie mich in der Informatica World 2018, um mehr über die Leistungsfähigkeit von CLAIRE für die Datenintegration zu erfahren. Stellen wir uns vor, Sie entwickeln eine Onlineshop-Anwendung mit dem Microservice-Architekturmuster.

Die meisten Dienste müssen Daten in einer Datenbank beibehalten. Der Bestellservice speichert z. B. Informationen zu Bestellungen und der Kundendienst speichert Informationen zu Debitoren. Indikationen: Organisationen, die personenbezogene Daten (PII) verarbeiten, befinden sich in regulierten Sektoren (Gesundheit, Finanzen, Regierung usw.) oder verarbeiten kommerziell sensible Informationen. Basierend auf der bewerteten Datenqualität kann sich die Datenverarbeitung von Einem Datensatz zum anderen unterscheiden. Beispielsweise muss ein Dataset, das ungenaue Beobachtungen enthält, vor dem Ausnutzen gesäubert und mit anderen Datasets kombiniert werden. Mit einem qualitativ hochwertigen Dataset sind die Prozesse mit minimalen oder unnötigen Schritten in der Vorverarbeitung einfach. Das wiederkehrende Muster in jedem Prozess kann jedoch in den Fällen variieren, in denen erhebliche Unterschiede in der Datenqualität bestehen.

Nehmen Sie als Beispiel ungenaue Beobachtungen. Die Benutzer müssen nicht nur die Daten säubern, sondern auch ein intrinsisches Qualitätsproblem lösen, das voreingenommene (subjektive) Beobachtungen und nicht vertrauenswürdige Datenquellen angeht. Die Ausgangsbedingung einer Organisation bestimmt auch die Ebene der Datenverarbeitung, wenn sie ältere Daten und Prozesse umfasst. Beispielsweise wirken sich die Legacyprozesse, die Daten meist stapelweise in einer Organisation verarbeitet, auf die Zielarchitektur aus.


Cet article t'a plu? Partage le avec tes amis! et n'oublie pas de t'abonner à la newsletter ;)







Billets similaires

    None Found

Les commentaires sont fermés.