روش DPM چیست؟

روش DPM، روشی جهت کلید بهبود درک داده‌ها و افزایش دقت گزارش‌گیری است.

DPM

پیام یا خواسته های خود را در این قسمت بنویسید. اگر  دقیقا نمی دانید که چه چیزی می خواهید و نیاز به مشاوره دارید، کارشناسان ما با شما تماس خواهند گرفت.

مدل‌سازی نقطه داده (DPM) یک روش مبتنی بر داده (تعریف شده توسط ISO 5116) برای سازماندهی اصطلاحات و مفاهیم تجاری به صورت سلسله‌مراتبی است. از این روش برای ارائه داده‌ها در سناریوهای مختلف گزارش‌گیری استفاده می‌شود که از الزامات قانونی زیرین مشتق می‌شود و به روشی دوستانه برای کسب‌وکار و غیرفنی ارائه می‌شود. برای امکان‌پذیر کردن این امر، این روش از منظر چندبعدی و معنایی به داده‌ها استفاده می‌کند تا روابط بین اصطلاحات تجاری را برجسته کرده، درک داده‌ها را بهبود بخشد و توانمندی‌های تحلیلی را ارتقا دهد.
 

روش DPM از دو مؤلفه اصلی تشکیل شده است:

1. فرهنگ‌نامه DPM، که در آن اصطلاحات تجاری (ساخته شده در سلسله‌مراتب) در دامنه‌های معنایی معنادار با تعاریف و کدهای فنی منحصر به فرد فهرست شده‌اند. این اصطلاحات اغلب در منظر ابعاد خاصی قرار می‌گیرند تا زمینه‌های معنایی مختلفی را ارائه دهند.

2. **قالب‌های حاشیه‌نویسی شده DPM**، که در آن ترکیبی از اصطلاحات کدگذاری شده و ابعاد، نمایشی جدولی از الزامات اطلاعاتی خاص (معمولاً به صورت قالب‌های تجاری) ایجاد می‌کند و توصیف منحصر به فردی از یک نقطه داده برای یک فیلد داده خاص ارائه می‌دهد.

روش DPM تعریفی دقیق، کامل و غیر مبهم از اصطلاحات و مفاهیم را فراهم می‌آورد که امکان تعریف ساختارهای منطقی الزامات اطلاعاتی (مانند پیام‌ها، جداول، مجموعه‌های داده یا مکعب‌ها) را بر اساس فرهنگ‌نامه‌های تجاری زیرین فراهم می‌کند که توسط کاربران تجاری و فنی قابل درک است. در عین حال، هدف آن جایگزینی این مؤلفه‌ها یا پیاده‌سازی‌های فنی آن‌ها نیست.
 

هدف DPM چیست؟

روش DPM از فرآیند ایجاد درک مشترک از مفاهیم تجاری و الزامات اطلاعاتی میان ذینفعان مختلف پشتیبانی می‌کند. در بسیاری از موارد، قوانین، مقررات، یا دستورالعمل‌ها به مفاهیم مشابهی اشاره می‌کنند. با این حال، تعاریف تجاری دقیق آن‌ها همیشه با هم هماهنگ نیستند. این موضوع می‌تواند باعث سردرگمی در میان شرکت‌کنندگان بازار شود و کیفیت داده‌های مبادله شده را تحت تأثیر قرار دهد، زیرا تفسیرهای مختلفی از این الزامات وجود دارد.

تنوع فرمت‌های فنی مورد استفاده برای الزامات گزارش‌گیری اغلب روش‌های استاندارد خاصی برای توصیف داده‌ها فراهم می‌کند که ممکن است اختلافات بیشتری در درک معنای این الزامات ایجاد کند. توصیف منحصر به فرد یک نقطه داده، از طریق اصطلاحات به وضوح تعریف شده از فرهنگ‌نامه DPM، به کارشناسان تجاری این امکان را می‌دهد که در مورد ویژگی‌های داده به توافق برسند و به‌طور دقیق آن‌ها را به تیم‌های IT خود منتقل کنند، و از تفسیرهای نادرست جلوگیری کنند.

روش DPM همچنین امکان توصیف چندبعدی داده‌ها و ویژگی‌های آن‌ها را فراهم می‌آورد. این موضوع به ویژه مهم است زیرا اجازه می‌دهد تعاریف مفاهیم برای سناریوهای گزارش‌گیری خاص به چندین بار استفاده شود، الزامات اطلاعاتی از منظرهای مختلف مشاهده شوند و داده‌ها به راحتی در هنگام تحلیل مجموعه‌های داده فیلتر شوند.

چگونه می‌توان از DPM استفاده کرد؟

از زمان شروع به کار، روش DPM به‌طور گسترده‌ای توسط نهادهای نظارتی مالی در سراسر جهان برای افزایش شفافیت اطلاعات مبادله شده و تسهیل فرآیندهای گزارش‌گیری مورد استفاده قرار گرفته است. علاوه بر این، بسیاری از موارد استفاده خاص به وجود آمده که در آن‌ها DPM به‌طور تحلیلی‌تر مورد استفاده قرار گرفته است. حوزه‌های اصلی تحت پوشش استاندارد در زیر بیان شده است، همراه با انتخابی از پروژه‌های موفق اروپایی که اعتبار استفاده از روش DPM در یک دامنه خاص را تأیید می‌کنند.

ارائه الزامات گزارش‌گیری واضح

روش DPM عمدتاً برای تسهیل درک الزامات پیچیده گزارش‌گیری استفاده می‌شود، جایی که هر نقطه داده به‌طور منحصر به فردی توسط مجموعه‌ای از اصطلاحات و تعاریف توصیف می‌شود تا چارچوب گسترده گزارش‌گیری که نهادهای گزارش‌گیری و نهادهای نظارتی در سراسر جهان با آن مواجه هستند، قابل فهم و هدایت باشد.

در میان نهادهای نظارتی فعلی، سازمان بانکی اروپا (EBA) یکی از نخستین نهادهایی بود که رویکرد DPM را به اکوسیستم خود وارد کرد. مدل داده‌های آن به‌طور مداوم در حال تحول است تا الزامات گزارش‌گیری جدید تحت توافق‌نامه‌های Basel را دربرگیرد. پس از آن، EBA به‌دنبال آن، سازمان بیمه و بازنشستگی شغلی اروپا (EIOPA) نیز نمونه‌ای از یک نهاد نظارتی اتحادیه اروپا است که به مدل‌های مبتنی بر DPM برای توصیف الزامات تحت دستورالعمل Solvency II منتقل شده است.

قابلیت توسعه فرهنگ‌نامه‌های تجاری موجود و به اشتراک‌گذاری متا دیتا

روش DPM می‌تواند در پیاده‌سازی مشترک برخی استانداردها توسط نهادهای نظارتی کمک کند، به‌طوری که یک نهاد بتواند مدل‌های DPM موجود را مجدداً استفاده کند، در صورت لزوم آن‌ها را تطبیق دهد یا گسترش دهد تا نیازهای خاص خود را برآورده سازد.

بانک انگلستان (BoE) و بانک مرکزی ایرلند (CBI) این رویکرد را اتخاذ کرده و شروع به گسترش مدل‌های EBA و EIOPA به‌منظور انعکاس نیازهای محلی خود کرده‌اند. نمونه دیگری، هیئت تسویه‌حساب واحد (SRB) است، جایی که گزارش‌گیری تسویه‌حساب به‌طور مشترک با کارشناسان EBA توسعه یافته و بخشی از بسته DPM منتشر شده توسط سازمان بانکی اروپا است.

روابط داده‌ها، تحلیل همپوشانی و شکاف

نمایش الزامات مختلف گزارش‌گیری توسط روش DPM اجازه می‌دهد محیط داده‌ای یکپارچه‌ای ایجاد شود که در آن روابط بین نقاط داده از طریق پیوندهایی که با اختصاص مفاهیم تعریف‌شده و بدون ابهام از فرهنگ‌نامه DPM در مدل‌سازی آن‌ها ایجاد شده است، قابل ردیابی باشد.

مدیریت کلان مالی کمیسیون اتحادیه اروپا (DG FISMA) تصمیم به استفاده از روش DPM برای توصیف الزامات گزارش‌گیری قابل‌اجرا در بخش مالی اتحادیه اروپا گرفته است تا هرگونه همپوشانی، شکاف و ناسازگاری‌های احتمالی گزارش‌گیری را کشف کند. برای این منظور، مدل داده‌ای واحدی توسعه یافته است که نیازهای اطلاعاتی ناشی از برخی دستورالعمل‌های اتحادیه اروپا، مانند EMIR، MIFIR یا الزامات گزارش‌گیری تراکنشی SFTR تحت نظر سازمان اوراق بهادار و بازارهای مالی اروپا از طریق پیام‌های ایزو ۲۲۰۰۰ یا الزامات گزارش‌گیری بانکی EBA که معمولاً از استاندارد XBRL استفاده می‌کند، را پوشش می‌دهد و هماهنگ می‌کند. راجع به تمامی این ابزارها و استانداردها در متونِ آتی پرداخته خواهد شد.

تحلیل و یکپارچه‌سازی داده‌ها

منطق پشت رویکرد DPM می‌تواند مکان یک اصطلاح را در پایگاه داده ردیابی کند تا به کاربران تجاری لینک‌های اتمی و دقیق بین داده‌ها را از طریق طبقه‌بندی داده‌های چندبعدی ارائه شده توسط فرهنگ‌نامه‌های DPM فراهم کند. این طراحی به هدف ساده‌سازی هر دو تحلیل تجاری و تحلیلی است. افزون بر این، این امکان را فراهم می‌آورد که نقاط داده تجمیع شده از اقلام جزئی از طریق سلسله‌مراتب ایجاد شوند.

متا داده‌های ساختاری جامع که DPM فراهم می‌آورد، توسط تعدادی از مؤسسات، مانند SRB یا EBA، که به دنبال کیفیت بالای داده‌ها هستند، پیاده‌سازی شده است. این نهادها به‌دنبال پیاده‌سازی فرآیندهای یکپارچه‌سازی داده‌های مبتنی بر متا داده و تحلیل‌های چندبعدی هستند که چندین مجموعه داده را پوشش می‌دهد، جایی که زمان اجرا به‌طور قابل توجهی کاهش می‌یابد در مقایسه با سیستم‌های تحلیل داده استاندارد که از چنین راه‌حلی استفاده نمی‌کنند.

افزودن دیدگاه جدید

Restricted HTML

  • تگ‌های HTML مجاز: <a href hreflang> <em> <strong> <cite> <blockquote cite> <code> <ul type> <ol start type> <li> <dl> <dt> <dd> <h2 id> <h3 id> <h4 id> <h5 id> <h6 id>
  • خطوط و پاراگراف‌ها بطور خودکار اعمال می‌شوند.
  • Web page addresses and email addresses turn into links automatically.