前言

數據生命周期 網上有許多版本，各行各業的、各類應用場景的；下面是個人認為比較好的兩篇介紹，望匆噴，若有推薦請留言，不勝感激。

1.數據全生命周期管理模型

請參考原創：https://www.zhihu.com/question/393978073

特點是包含10多種數據生命周期模型，涉及多個行業或研究主題方向，以下給出其中一版 —?一般科學模型。

一般科學模型

通用科學模型由科學機構提供，用于管理科學數字數據。此模型可用于管理用于存檔或處理數據的數據收集方法。

通用科學數據模型將計劃、收集、集成和轉換、發布、發現和通知以及存檔或丟棄作為生命周期的六個階段。這個模型，如圖7所示，可以用數據管理計劃使用的特定技術來預測下一組數據采集。

研究結論：此模型不是整個數據生命周期的綜合模型，因為它是專門為數據存檔和處理而設計的。該模型不關心數據分析、數據安全和數據質量。
?

2.數據全周期管理

請參考原創：https://mp.weixin.qq.com/s/ovSa7Uhv5IyKzyb-l3PHaA

數據的生命周期從數據規劃開始，中間是一個包括設計、創建、處理、部署、應用、監控、存檔、銷毀這幾個階段并不斷循環的過程。企業的數據質量管理應貫穿數據生命周期的全過程，覆蓋數據標準的規劃設計、數據的建模、數據質量的監控、數據問題診斷、數據清洗、優化完善等方面。

（1）數據規劃。從企業戰略的角度不斷完善企業數據模型的規劃，把數據質量管理融入到企業戰略中，建立數據治理體系，并融入企業文化中。

（2）數據設計。推動數據標準化制定和貫徹執行，根據數據標準化要求統一建模管理，統一數據分類、數據編碼、數據存儲結構，為數據的集成、交換、共享、應用奠定基礎。

（3）數據創建。利用數據模型保證數據結構完整、一致，執行數據標準、規范數據維護過程，加入數據質量檢查，從源頭系統保證數據的正確性、完整性、唯一性。

（4）數據使用。利用元數據監控數據使用；利用數據標準保證數據正確；利用數據質量檢查加工正確。元數據提供各系統統一的數據模型進行使用，監控數據的來源去向，提供全息的數據地圖支持；企業從技術、管理、業務三個方面進行規范，嚴格執行數據標準，保證數據輸入端的正確性；數據質量提供了事前預防、事中預警、事后補救的三個方面措施，形成完整的數據治理體系。

3.個人版

由以上兩篇文章可見，數據生命周期包含的內容點繁多，以下 數據生命周期內容 是個人根據自身行業及經歷作出的總結，由于個人能力及所處行業的局限性，內容會有所偏差，也會持續優化。

（1）數據規劃設計（前期）：數據源范圍(基于業務考慮)、數據質量標準(技術+業務)、數據存儲架構設計(工具平臺、存儲劃分、表及字表設計...)、應用場景考慮等

（2）數據存儲（中期）：數據收集、數據清洗、數據入庫等ETL過程，還包括數據質量監控、數據庫的性能監控、日志管理、用戶管理、權限配置等

（3）數據應用（后期）：即時查詢、常規報表、OLAP、數據分析、數據挖掘、BI等

（4）數據歸檔（退役）：個人認為數據沒有消亡一說，更像退役，但個人更喜歡稱為數據歸檔。歸檔釋義：把文件、材料分類放進檔案保存起來。??

總結

以上是生活随笔為你收集整理的数据分析 - 基础原理 之 第三章：数据质量管理 - 第二节：数据生命周期的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。