大多数数据管理的专业人士对于好的元数据的好处都不陌生，当然他们也不会无视其管理的挑战。数据架构师和数据管理员早已通过他们创立的数据标准争取进行数据整合了，而它依旧是一项日常的顶级优先级的工作。毕竟，“数据的数据”能转化为降低数据冗余性、提升企业资产意识、规范化可重用数据对象这类的巨大好处。但是，与其同样重要的，是确保IT员工能用元数据武装起来进行系统设计和实施，这一信息对业务来说同样重要。业务用户，比以往更能了解元数据的价值，并有几种使用方式——寻找信息、确保报表准确性、创建新的业务领域、进行影响分析、执行审计，并确保其满足要求。

　　市场上有无数个解决方案来帮助应对管理和分享元数据的挑战。有些公司利用现成的元数据库（“大写的R”库），另一些则选择去设计其自己的客户化的元数据报表系统，还有一些采取了不同的路线。“大写R”的库，其问题是会导致带来天文数字的实施成本，还有很长的实施时间以及很高的管理成本，让它们在小一点的公司那里没有立足之地。不过，对于大对数组织来说，通过通常已经存在的已有资源管理其元数据是可能的。数据建模协作库（“小写r”的库）则是一种通常为人所忽视的、但却是便宜有效的手段，可直接从源数据那里获得所需的元数据。

　　“小写r”方案：必备知识

　　来自于Embarcadero、Sybase和CA这些供应商的数据建模工具均拥有“小写r”的库，在元数据管理能力上可与客户化的方案相提并论。如今，这些类型的数据建模库可做的事情远远超出了仅存储模型而已。它们可用于建立系统，以供对企业元数据进行聚合、索引、分类和保护，并提供对其的访问。

　　如果你的组织决定走“小写r”的路线，使用建模库，要确保你所选的库能执行以下一些标准作业：

• 定义和实施元数据标准——寻找像企业数据字典那样可悲用于控制内容和推行标准的特性。这确保了每个人对组织的数据都能有一个共同的理解。
• 元数据报表集中化——如果你能找到一个带门户的库，它就能确保组织里的每一个人，无论他们是业务部门还是IT部门的 — 都能访问到元数据，且很容易地共享信息。另一个你需要寻找额特性是自服务式的元数据报表功能，这样每一位终端用户都能按需创建报表。
• 管理数据模型——理想情况下，它应当支持模型版本管理，以便易于对元数据进行管理，而团队则能跟踪到模型以及独立的模型对象的变，还可以回滚到旧的版本。

　　勤做准备工作，长跑必有收获

　　在进入“小写r”的库或任何有效的其他库的实施之前，你首先应当决定要收集哪些数据，并考虑如何去收集它们。这本身是一种工程实践，有很多书和框架（如Zachman）可供学习和指南，通过“5w1h（为什么、如何、何事、何人、何时）”这几个问题。业务过程模型是一个好的起点。之后，你可以将业务过程模型映射为概念模型。让业务架构师访问关键的业务分析师，拿到或验证业务模型，以便你了解其是否正确。
 
　　与此同时，让数据架构师询问技术专业人士，以便建立和验证建库所需的逻辑和物理的数据模型，并验证那些模型是如何被映射到概念模型去的。你应当通过报表分解、应用的逆向工程、阅读现有软件开发文档等手段来收集信息，以便取消一些对人的访问。使用你已有的数据建模工具，充分利用自动化手段。一旦模型和映射建立起来 — 企业架构师就可以将它们映射到系统和数据容器中去，并能识别出系统间的关键依赖关系。

　　在《元数据收集分步指南》中，我们将继续为您介绍如何用自己的数据建模工具，执行相关步骤去收集元数据以及收集好元数据并完成了集中化之后该做那些事情。