所有人的更快集成和数据素养
来源：CPDA数据分析师网 / 时间：2021-04-25
在过去的十年中，已经证明自己是服务API和数据集成的可靠标准，因此由于其零代码集成和平台管理API无论是用于数据提取还是通过命名查询使用，它已成为事实上的标准，引入新的客户端设计时结构，以在数据充实过程中利用外部API，遵循零代码方法API端点及其URL，标头，正文，输入和输出，并立即将此注册的API用作任何其他扩充器，随着越来越多的外部API的出现，设计人员可以在几分钟内扩展增强功能，而无需开发基于Java的插件。
缓存也是插件和基于丰富器的一项新功能
用于缓存丰富的数据并防止无用的外部API调用，缓存可以大大提高性能，并减少大量数据的延迟。当外部服务提供商按API调用收费时，它还可以程度地减少由外部服务提供商引起的成本，数据素养应用文档，通过共享的数据定义，规则和策略对业务用户进行培训是由智能数据中心支持的成功数据治理计划的关键，数据素养对于成熟的数据驱动型企业的实施计划同样重要。
构建数据管理应用程序中公开了以业务用户为中心的文档
用户可以轻松浏览基础逻辑数据模型，了解业务规则和定义，并导航到其他语义概念，该文档可在上下文中在应用程序中的多个位置使用，无论是在属性，匹配规则，表单和集合视图中，还是从应用程序菜单中获取的全套文档，交互式图显示用户友好的数据模型，并允许在语义概念之间进行无限导航。
使数据中心匹配和合并更加直观
使您可以快速构建来自各种异构源的记录的单一视图，包含一个高性能的内置匹配和合并引擎，作为其数据质量功能的核心组件，该引擎支持常见的匹配和合并用例，例如聚会数据，还可以进行定制以支持任何类型的用例，例如合并来自多个内部和外部源的产品数据，在其匹配和合并引擎中引入了重要的补充，以更加符合数据管理员和业务用户的直观期望，传递式评分是一种新算法，用于计算一组匹配记录的相似性得分，它将每对匹配记录的分数视为概率，并将这些概率组合用于组中的所有可能路径，使用此算法设计人员可以为组定义更准确的分数和阈值，而无需修改现有的匹配规则，从而获得更可靠的相似性群集，并且需要更少的人工管理。
多重迭代分组是匹配和合并引擎的另一种演变
我吨使用多遍算法迭代地创建具有更大的组内的高相似性得分具有较低相似性得分子组，设计人员可以选择通过一个简单的复选框来启用此选项，从而为数据管理者提供较少但更准确的建议，从而减少了在手动任务上花费的时间和精力，引擎也得到了改进，以支持合并中心模式中的主记录删除，当从源系统中删除源记录并将此删除传播到数据中心时，来自该源的数据会自动从合并的黄金记录中“删除”，删除是对平台中已经存在的数据删除功能的补充，为了支持这些新功能，匹配组的可视化和管理功能通过其他功能得到增强，包括自定义颜色，链接粗细和直接访问匹配详细信息。