数据治理流图

⑴ 管理系统的数据流图。数据字典。ER图。 拜托拜托

你没有给任何信息，让我们如何帮你啊？
数据流图就是你这个系统的数据走向，一般是分层处理，在《软件工程》或者《软件测试》之类的书上都有很详细的解释。
数据字典就是你要用到的实体对象和对应的属性和关系，你可以用逻辑表结构来描述，一般是以表的形式展现，比逻辑表结构直观。
至于E-R图是实体之间的对应关系，方框表示实体，椭圆表示属性，棱形表示关系。要描述的话很难讲清楚，但是一看例图就会发觉其实不那么难。
下面的参考链接你可以看一看

⑵ 目前主流的数据治理平台有那些。

睿治数据治理平台是亿信华辰完全自主研发的、开创性的、一站式综合数据治理整体解决方案。睿治是全国唯一实现了数据治理场景全覆盖的突破性产品，九大核心模块：元数据、数据标准、数据质量、主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，以创新的方式保证了企业的业务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身打造符合自身特征的数据治理体系。
睿治始终站在国内顶尖梯队，广泛应用了MQ、分布式计算、zookeeper等最新技术。同时引领国内行业发展趋势：
1、数据质量自动探查，内置常规数理统计算法支持绑定机器学习算法；
2、数据关系智能构建，基于存储过程、sql、数据库定义，自动理解数据之间的关系；
3、资产目录主动感知，活化更新等先进技术，确保成为当之无愧的领头羊。

⑶ 数据流图

你得把源代码发上来啊

⑷ 大数据治理的图书目录

第一部分 开篇 第1章 大数据治理概述 第2章 大数据治理的框架 2.1 大数据类型 2.2 信息治理准则 2.3 大数据治理的产业和功能场景 第3章 成熟度评估 3.1 IBM信息治理委员会的成熟度模型 3.2 评估成熟度的示例问题 第4章 业务案例 4.1 通过大数据治理，提高运营实时性和旅客安全度 4.2 量化大数据治理对客户隐私的财务影响 4.3 通过治理大数据生命周期，降低IT成本 4.4 评估数据质量和主数据对大数据计划的影响 4.5 计算大数据质量的价值 第5章 路线图 5.1 路线图案例研究 第二部分 大数据治理准则 第6章 大数据治理的组织 6.1 绘制关键流程图并建立职责分配模型，以识别大数据治理中的利益攸关者 6.2 确定新角色和既有角色的适当组合 6.3 酌情任命大数据主管 6.4 在传统信息治理角色的基础上，酌情增加大数据责任 6.5 建立承担包括大数据在内的责任混合式信息治理组织 第7章 元数据 7.1 创建一个体现关键大数据术语的业务定义的词库 7.2 理解对ApacheHadoop中元数据的持续支持 7.3 对业务词库中的敏感大数据进行标记 7.4 从相关的大数据存储中输入技术元数据 7.5 将相关的数据源与业务词库中的术语进行链接 7.6 使用运营元数据监测大数据的流动 7.7 保留技术元数据，以支持数据血统和影响分析 7.8 从非结构化文件中采集元数据，支持企业搜索 7.9 扩展既有的元数据角色，将大数据纳入其中 第8章 大数据隐私 8.1 识别敏感的大数据 8.2 对元数据库中的敏感大数据进行标记 8.3 应对国家、州（省）层面的隐私立法和隐私限制 8.4 管理个人数据跨国界流动的情况 8.5 监控特权用户对敏感大数据的访问 第9章 大数据质量 9.1 与商业上的利益攸关者协作，建立并测度大数据质量的置信区间 9.2 利用准结构化和非结构化数据，提高人口稀疏的结构化数据的质量 9.3 使用流数据分析技术解决内存中的数据质量问题，无须将中间结果输入硬盘 9.4 任命对信息治理委员会负责的数据主管，由其负责提高测度的质量 第10章 业务流程整合 10.1 识别将会受到大数据治理影响的关键流程 10.2 建立关键活动的流程图 10.3 针对业务流程中的关键步骤，制定大数据治理政策 第11章 主数据整合 11.1 提高主数据的质量，以支持大数据分析 11.2 利用大数据提高主数据的质量 11.3 提高关键参考数据的质量和一致性，以支持大数据治理计划 11.4 审视社交媒体平台政策，以确定与主数据管理整合的程度 11.5 从非结构化文本中挖掘有用信息，以丰富主数据 第12章 管理大数据的生命周期 12.1 基于规制和业务要求，扩展保留时间表，将大数据包含其中 12.2 提供法律保留区，并支持电子证据展示（eDiscovery） 12.3 压缩大数据并将其存档，降低IT成本，提高应用绩效 12.4 管理实时流数据的生命周期 12.5 保留社交媒体记录，以符合规制要求，并支持电子证据展示 12.6 基于规制和业务要求，正当合理地处置不再需要的大数据 第三部分 大数据的类型 第13章 Web和社交媒体数据 13.1 在制定有关客户社交媒体数据的可接受使用的政策时，考虑不断变化的规制和习俗 13.2 制定有关雇员和求职者社交媒体数据的可接受使用的政策 13.3 利用置信区间评估社交媒体数据的质量 13.4 制定有关Cookies与其他Web跟踪装置的可接受使用的政策 13.5 在不侵犯隐私并遵从规制要求的基础上，定义连接在线和离线数据的政策 13.6 确保网络统计数据的一致性 第14章 机器对机器的数据 14.1 评估目前可用的地理位置数据 14.2 制定关于客户地理位置数据的可接受使用的政策 14.3 制定关于雇员地理位置数据的可接受使用的政策 14.4 保证RFID数据的隐私安全 14.5 制定与其他类型M2M数据的隐私相关的政策 14.6 处理元数据和M2M数据的质量问题 14.7 制定与M2M数据的保留期有关的政策 14.8 提高主数据的质量，以支持M2M计划 14.9 确保SCADA设施免遭网络攻击 第15章 大体量交易数据 第16章 生物计量学数据 16.1 评估与生物计量学数据的可接受使用相关的隐私含义 16.2 与法律顾问通力合作，确定演进中的规制对使用客户和雇员生物计量学数据的影响 第17章 人工生成的数据 17.1 制定屏蔽敏感的人工生成数据的政策 17.2 使用非结构化的人工生成数据，提高结构化数据的质量 17.3 管理人工生成数据的生命周期，降低成本并遵循规制要求 17.4 从非结构化的人工生成数据中获得洞察力，以丰富MDM 第四部分 行业视角 第18章 医疗保健机构 18.1 利用非结构化数据，提高人口稀疏的结构化数据的质量 18.2 提取从结构化数据中无法获得的更多临床因素 18.3 设定关键业务术语的一致性定义 18.4 确保跨科室的患者主数据的一致性 18.5 与美国HIPAA的规定一致，符合受保护的健康信息的隐私要求 18.6 创造性管理参考数据，以获得更多临床洞察 第19章 公用事业部门 19.1 复制仪表读数 19.2 主关键字的参照完整性 19.3 异常的仪表读数 19.4 客户地址的数据质量 19.5 信息生命周期管理 19.6 数据库监测 19.7 技术架构 第20章 通信服务提供商 20.1 大数据类型 20.2 将大数据与主数据进行整合 20.3 大数据隐私 20.4 大数据质量 20.5 大数据生命周期管理 第五部分 大数据技术 第21章 大数据的参考架构 21.1 大数据源 21.2 开源基础组件 21.3 Hadoop发行版 21.4 流数据分析 21.5 数据库 21.6 大数据整合 21.7 文本分析 21.8 大数据发现 21.9 大数据质量 21.10 大数据的元数据 21.11 信息政策管理 21.12 主数据管理 21.13 数据仓库与数据集市 21.14 大数据分析与报告 21.15 大数据安全与隐私 21.16 大数据生命周期管理 21.17 云 第22章 大数据平台 22.1 IBM 22.2 甲骨文 22.3 SAP 22.4 微软 22.5 HP 22.6 Informatica 22.7 SAS 22.8 Teradata 22.9 EMC 22.10 Amazon 22.11 谷歌 22.12 Pentaho 22.13 Talend 附录 缩略语列表 译者后记

⑸ 如何实现成功的数据治理

1.建立统一的数据标准。目前存在各业务部门标准不统一，部门之间数据标准矛盾或者相互混淆的情况，导致部门间数据交换，数据共享比较困难。建立统一的数据标准有助于对数据进行统一规范的管理，消除各部门间的数据壁垒，方便数据的共享，另外数据标准同样对业务流程的规范化有帮助作用。
2.提高数据质量。电力数据的采集和传输受到采集传感器的精度、稳定性，通讯设备和环境因素的影响较大，导致存在大量的空值和垃圾数据。可通过数据质量管理对电力数据进行质量检查，找出有问题的数据，通过数据清洗，问题整改，例外排查等一系列手段提高数据质量；另外还可以通过出具数据质检报告，数据质量绩效考核来督促各业务部门重视数据质量从而加强人员和业务的管理来提高数据质量。
3.数据资产管理。将经过处理的高质量数据资产统一管理，提供全生命周期的管理和数据安全保障。并可将数据资产进行分类和编目，方便数据的展示和数据共享，同时也为数据分析和数据挖掘（电力需求预测、电力系统优化等）打好基础。
亿信睿治是从元数据、主数据、数据标准、数据质量再到数据处理、数据资产、数据交换和数据安全，能够为企业提供一站式解决方案，从而打通数据治理全流程。从而完成企业对于数据治理的要求