企業(yè)數(shù)據(jù)集成是將不同來源的數(shù)據(jù)整合在一個數(shù)據(jù)庫中的過程，即異構(gòu)數(shù)據(jù)之間的同步。將不同種類，不同版本的數(shù)據(jù)庫、文件、Mail等之間進(jìn)行同步。由于不同的數(shù)據(jù)源定義屬性時命名規(guī)則不同，存入的數(shù)據(jù)格式、取值方式、單位都會有不同。因此即便兩個值代表的業(yè)務(wù)意義相同，也不代表存在數(shù)據(jù)庫中的值就是相同的。因此需要數(shù)據(jù)入庫前進(jìn)行集成，去冗余，保證數(shù)據(jù)質(zhì)量。數(shù)據(jù)集成可以認(rèn)為是ETL（BI上的定義為：抽取——轉(zhuǎn)換——清洗——過濾——加載）；但更強(qiáng)調(diào)自動化過程管理。

在實現(xiàn)機(jī)制上，應(yīng)包括常見的集成模式：Split/Merge/Route/PS等；另外還應(yīng)該具備建模（元數(shù)據(jù)管理）和治理（Governace）功能。

數(shù)據(jù)集成有什么意義呢？

數(shù)據(jù)集成意義主要是實現(xiàn)數(shù)據(jù)中心，例如企業(yè)級SID；或者遺留系統(tǒng)在數(shù)據(jù)層面的集成。在建立全局SID的基礎(chǔ)上，可以構(gòu)建很多有意義的東西：例如Portal/CMS，報表，數(shù)據(jù)搜索，挖掘等等，這些可以概括地稱為BI，即商業(yè)智能。

因此，數(shù)據(jù)集成有兩個層面的意義：

1）操作層面

2）分析層面

數(shù)據(jù)集成的實現(xiàn)步驟：

1.界定數(shù)據(jù)交互的項別與內(nèi)容，如：PDM系統(tǒng)和ERP系統(tǒng)之間的BOM數(shù)據(jù)；

2.指定數(shù)據(jù)交互周期，一天一次，還是一周一次；

3.選擇交互方式，通過數(shù)據(jù)庫，還是中間件技術(shù)來交互；

4.由ODS數(shù)據(jù)交互調(diào)度程序?qū)崿F(xiàn)數(shù)據(jù)上載或是由外圍系統(tǒng)自行實現(xiàn)數(shù)據(jù)下載，從而實現(xiàn)數(shù)據(jù)的集成。

數(shù)據(jù)集成會出現(xiàn)的問題：

1.數(shù)據(jù)重復(fù)

檢查數(shù)據(jù)重復(fù)一般需要通過主要關(guān)鍵詞，最好對主要關(guān)鍵詞進(jìn)行優(yōu)化，過濾重復(fù)數(shù)據(jù)。在數(shù)據(jù)結(jié)構(gòu)盡量調(diào)研每個字段的含義，拆分或整合。重復(fù)數(shù)據(jù)入庫，不僅會給日后的數(shù)據(jù)關(guān)聯(lián)造成極大的影響，也會影響數(shù)據(jù)分析與挖掘的效果，應(yīng)盡量避免。

2.數(shù)據(jù)沖突

數(shù)據(jù)沖突就是兩個數(shù)據(jù)源中同樣的數(shù)據(jù)，但是取值記錄的不一樣。造成這種情況除了有人工誤入，還有可能是因為貨幣計量的方法不同，匯率不同，稅收水平不同、評分體系不同等等原因。

對待數(shù)據(jù)沖突問題，就需要對實際的業(yè)務(wù)知識有一定的理解。同時，對數(shù)據(jù)進(jìn)行調(diào)研，盡量明確造成沖突的原因。如果數(shù)據(jù)的沖突實在無法避免，就要考慮沖突數(shù)據(jù)是否都要保留、是否要進(jìn)行取舍，如何取舍等。

審核編輯 黃昊宇