企業(yè)數據集成是將不同來源的數據整合在一個數據庫中的過程，即異構數據之間的同步。將不同種類，不同版本的數據庫、文件、Mail等之間進行同步。由于不同的數據源定義屬性時命名規(guī)則不同，存入的數據格式、取值方式、單位都會有不同。因此即便兩個值代表的業(yè)務意義相同，也不代表存在數據庫中的值就是相同的。因此需要數據入庫前進行集成，去冗余，保證數據質量。數據集成可以認為是ETL（BI上的定義為：抽取——轉換——清洗——過濾——加載）；但更強調自動化過程管理。

在實現機制上，應包括常見的集成模式：Split/Merge/Route/PS等；另外還應該具備建模（元數據管理）和治理（Governace）功能。

數據集成有什么意義呢？

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

因此，數據集成有兩個層面的意義：

1）操作層面

2）分析層面

數據集成的實現步驟：

1.界定數據交互的項別與內容，如：PDM系統(tǒng)和ERP系統(tǒng)之間的BOM數據；

2.指定數據交互周期，一天一次，還是一周一次；

3.選擇交互方式，通過數據庫，還是中間件技術來交互；

4.由ODS數據交互調度程序實現數據上載或是由外圍系統(tǒng)自行實現數據下載，從而實現數據的集成。

數據集成會出現的問題：

1.數據重復

檢查數據重復一般需要通過主要關鍵詞，最好對主要關鍵詞進行優(yōu)化，過濾重復數據。在數據結構盡量調研每個字段的含義，拆分或整合。重復數據入庫，不僅會給日后的數據關聯(lián)造成極大的影響，也會影響數據分析與挖掘的效果，應盡量避免。

2.數據沖突

數據沖突就是兩個數據源中同樣的數據，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。

對待數據沖突問題，就需要對實際的業(yè)務知識有一定的理解。同時，對數據進行調研，盡量明確造成沖突的原因。如果數據的沖突實在無法避免，就要考慮沖突數據是否都要保留、是否要進行取舍，如何取舍等。

審核編輯 黃昊宇