基于DAMA专业可落地的数据治理体系，由多个产品组成的一整套解决方案。
各产品模块可独立或组合使用，打通数据治理全过程，适应各类不同的数据治理场景应用，并支持在本地或云上使用。

元数据管理

元数据为描述数据的数据，是数据治理的基础。元数据对数据的属性（名称、大小、数据类型等）和关系（依赖关系、组合关系）进行描述，并对数据在使用中的变化进行识别、追踪、展示。
元数据管理分析数据来龙去脉，致力于处理技术元数据、业务元数据、管理元数据，帮助各行各业用户获得更多的数据洞察力，进而挖掘出隐藏在资源中的价值。

数据来源可溯 → 数据流向清晰 → 数据变更详细 → 数据分布明确。

自动解析数据关系，提供多种可视化分析方式，帮助用户挖掘潜在价值

数据标准管理

数据标准管理通过定义符合企业的基础数据标准、指标数据标准、代码数据标准，形成一套企业自身数据需求的应用标准，防止用语的混用，通过标准评估来维持企业数据模型的一贯性，确保数据的正确性及质量。

数据模型管理

数据模型管理通过数据架构规划，概念模型、逻辑模型和物理模型的设计，构建标准、规范的数据模型库，结合数据标准体系，从源头开始数据治理工作，确保后期数据资源的完整性、准确性和一致性。

数据建模工作主要包括数据架构规划、数据模型设计、模型审批落地三个阶段，其中在模型设计阶段，产品通过概念、逻辑、物理三种类型的模型的设计，能够完整的将业务过程转换为数字化的模型。

提供可视化建模工具，图形化方式呈现出模型中主题、分组、实体和关系，更直观的体现数据模型的可读性，提升建模效率。

产品具有细粒度的模型版本比较能力，可通过模型版本的比对展示模型间字段级的差异之处。

用户在设计模型时，可以通过标准联想、标准匹配方式引用数据标准新建实体属性、表字段等对
象，落实数据模型设计过程中的命名规范，使模型的设计质量更高
标准联想：手工新建属性或字段，根据用户输入匹配标准库，提供标准数据元选择输入
标准匹配：检视已有模型的数据元，自动匹配标准库，提升模型标准化程度

支持市面大多数主流数据库的逆向导入，完整还原存量环境中的数据库对象。

数据集成

数据集成面向数据迁移、交换、汇集、处理、建模等需求，集数据建模与ETL设计于一体，支持广泛的数据源，内置数据组代数据应用多种成熟数据处理引擎，可为政府或企业提供更快捷、更数据源高效、更安全的数据集成解决方案。

平台提供文件到文件、文件到库表、库表到库表、库表到文件等方式的数据交换，还支持批量交换，同时支持对多源异构数据进行处理，再对处理后的数据进行交换。

提供分布式的任务调度平台，一体化编排平台内的数据采集、处理、交换和数据管理任务，确保任务稳定、高效运转。

数据质量管理

数据质量管理以企业业务数据为质检对象，通过向导化、可视化等简易操作手段，将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合，形成完整的数据质量管理闭环。
降低企业和政府数据管理成本，减少因数据不可靠导致的决策偏差和损失。

数据资产管理

数据资产是指由企业拥有或控制的，能够为企业带来未来经济利益的数据资源。
数据资产管理通过元数据对信息资产特征进行描述，并以录形式分类管理，形成统一规范的目录内容和数据资产服务，丰富服务接口的拓展，支撑数据资产的多渠道应用，如数据共享服务、分析决策支持等，最终实现数据资产价值最大化。

数据生命周期记录数据从创建和初始存储，到它过时被删除的整个流动过程，管理数据的生老病死，对数据进行近线归档、离线归档、销毁和全生命周期监控。

“言出数随”的智能机器人

利用最新的自然语言处理（NLP）、机器学习、知识图谱等人工智能技术，支持用户使用自然语言的方式，与智能助手进行问答交互，快速掌握平台数据治理的现状和成果。