元数据管理
元数据管理的解析
元数据管理的解析元数据管理是指对元数据进行组织、存储、维护和使用的过程。
元数据是关于数据的数据，它描述了数据的结构、属性、关系和其他特征。
元数据管理在数据仓库、数据库、信息系统等领域中扮演着重要的角色。
元数据管理的主要目标包括：1、数据理解：元数据提供了数据的上下文信息，帮助用户理解数据的含义和用途。
通过元数据，用户可以了解数据的来源、结构、关系等信息，从而更好地进行数据分析和处理。
2、数据管理：元数据管理有助于组织和维护数据仓库、数据库等信息系统中的数据资源。
通过元数据，可以对数据进行分类、标记、排序等操作，提高数据的可管理性和可维护性。
3、数据安全：元数据管理可以确保数据的安全性和完整性。
通过对元数据进行权限控制、访问控制等操作，可以防止未经授权的访问和修改，保护数据的机密性和完整性。
4、数据交换和共享：元数据管理可以促进数据交换和共享。
通过标准化的元数据格式和协议，可以实现不同系统之间的数据互操作性，提高数据的共享效率和使用价值。
元数据管理涉及的关键技术包括：1、元数据建模：元数据建模是指根据数据的特点和需求，建立元数据模型的过程。
元数据模型描述了数据的结构、属性、关系等信息，为元数据管理提供了基础。
2、元数据存储：元数据存储是指将元数据存储在数据库或其他存储介质中的过程。
元数据存储需要考虑数据的组织、索引、查询等问题，以提高元数据的访问效率和可靠性。
3、元数据同步：元数据同步是指在不同系统之间同步元数据的过程。
由于不同系统之间的数据可能存在差异，因此需要通过元数据同步来保持数据的一致性和准确性。
4、元数据质量管理：元数据质量管理是指对元数据的质量进行评估和管理的过程。
元数据质量的好坏直接影响到数据仓库、数据库等信息系统的质量和效率，因此需要对元数据进行质量检查、清洗等操作，确保元数据的准确性和完整性。
总之，元数据管理是数据管理领域中的一个重要分支，它有助于提高数据的质量、效率和安全性，促进数据的共享和交换。
数据仓库元数据管理
数据仓库元数据管理数据仓库元数据管理是指对数据仓库中的元数据进行管理和维护的过程。
元数据是描述数据的数据，它提供了关于数据的定义、结构、属性、关系以及数据的来源和用途等信息。
数据仓库中的元数据包括数据表、字段、索引、视图、存储过程等对象的描述信息，以及数据质量、数据血统、数据变化等相关信息。
数据仓库元数据管理的目标是保证数据仓库中的元数据准确、完整、一致和可靠。
通过对元数据的管理，可以提高数据仓库的可维护性、可扩展性和可重用性，进而提高数据仓库的价值和效用。
数据仓库元数据管理的主要任务包括元数据收集、元数据存储、元数据维护和元数据使用等。
1. 元数据收集：- 根据数据仓库的设计和需求，收集相关的元数据信息。
- 可以通过手工录入、自动抽取、数据字典等方式进行元数据的收集。
- 收集的元数据包括数据表、字段、索引、视图、存储过程等对象的描述信息，以及数据质量、数据血统、数据变化等相关信息。
2. 元数据存储：- 将收集到的元数据存储到元数据仓库中，以便后续的管理和使用。
- 元数据仓库可以使用关系型数据库、NoSQL数据库、文件系统等进行存储。
- 存储的元数据需要按照一定的结构进行组织和管理，以方便后续的检索和使用。
3. 元数据维护：- 对元数据进行定期的维护和更新，以保证其准确、完整、一致和可靠。
- 可以通过手工维护、自动抽取、数据字典同步等方式进行元数据的维护。
- 维护的内容包括元数据的新增、修改、删除等操作，以及元数据的版本管理和权限管理等。
4. 元数据使用：- 利用元数据提供的信息，支持数据仓库的各项管理和运维工作。
- 可以通过元数据进行数据质量管理、数据血统分析、数据变化跟踪等工作。
- 元数据还可以支持数据仓库的数据集成、数据查询、数据分析等应用。
数据仓库元数据管理的实施需要借助相应的工具和技术。
常用的工具包括元数据管理工具、数据建模工具、数据字典工具等。
常用的技术包括数据抽取、数据转换、数据加载（ETL）技术、数据建模技术、数据质量管理技术等。
元数据管理
元数据管理1. 什么是元数据管理元数据管理是对数据的描述、定义和管理，包括数据的属性、格式、来源、质量、关系等信息。
元数据通常被用于数据集成、数据分析、数据挖掘、数据治理、数据质量管理和数据安全等方面。
元数据可以提高数据资源的使用效率，促进应用系统的互操作性，提高数据的可信度和可重复性，降低数据管理成本，提高数据价值。
元数据管理可以分为三个层次：(1) 概念层元数据：描述数据的业务名义、业务规则、数据类别、数据的主体及其关系等。
(2) 逻辑层元数据：描述数据的逻辑模型、数据结构、数据和业务的关系等。
(3) 物理层元数据：描述数据的物理组织结构、存储方式、数据格式、访问方法等。
2. 元数据管理的价值元数据管理有助于提高数据资源的使用效率和数据管理的质量，其价值主要表现在以下几个方面：(1) 提高数据的可重复性和可信度元数据可以提供数据质量和数据来源的相关信息，使得数据的使用和转换能够更加准确地反映现实世界，提高数据的可信性和可重复性。
(2) 促进系统的互操作性元数据提供了关于数据之间相互关系的描述，可以促进不同系统之间的信息交流和协作，使系统更加互操作，便于数据资源的共享和利用。
(3) 降低数据管理的成本元数据可以提供数据的相关信息，使得数据的使用和管理更加高效，减少了重复性的工作量，降低了数据管理的成本，提高了数据资源的利用价值。
(4) 提供更加全面的数据支持元数据可以描述数据的特征、属性和约束条件等信息，涵盖了对数据的所有方面的考虑，使得数据资源对于业务的支持更加全面。
3. 元数据管理的应用场景元数据管理可以应用于以下几个方面：(1) 数据集成：元数据管理可以用于数据的集成，通过描述数据的属性和关系等信息使得数据能够在不同的系统之间交换和共享，促进数据的一体化管理。
(2) 数据分析：元数据管理可以提供数据质量、数据结构等信息，帮助用户对数据进行分析和挖掘，提高数据的分析效率。
(3) 数据治理：元数据管理可以用于数据的规范化和管理，描述数据的源头、质量等信息，保证数据的合法性和一致性。
元数据管理研究报告
元数据管理研究报告在当今数字化的时代，数据已成为企业和组织最宝贵的资产之一。
而元数据管理作为数据管理领域的重要组成部分，对于提升数据质量、促进数据共享和利用、保障数据安全等方面都具有至关重要的作用。
本文将对元数据管理进行深入研究，探讨其概念、重要性、面临的挑战以及解决方案。
一、元数据管理的概念元数据简单来说，就是“关于数据的数据”。
它描述了数据的各种属性和特征，例如数据的名称、类型、长度、来源、创建时间、修改时间、所有者、数据之间的关系等等。
元数据管理则是指对元数据的创建、存储、维护、更新、查询和使用进行有效的规划、控制和监督，以确保元数据的准确性、完整性和一致性。
二、元数据管理的重要性1、提高数据质量通过元数据管理，可以清楚地了解数据的来源、含义和质量状况，从而能够及时发现和纠正数据中的错误和不一致性，提高数据的准确性和可靠性。
2、促进数据共享和利用元数据提供了对数据的清晰描述和理解，使得不同部门和系统之间能够更好地共享和利用数据。
用户可以通过元数据快速找到所需的数据，提高数据的利用效率。
3、支持数据治理元数据管理是数据治理的重要基础。
通过对元数据的管理，可以明确数据的责任主体，制定数据的标准和规范，确保数据的合规性和安全性。
4、优化数据架构元数据能够反映数据的分布和结构，帮助企业优化数据架构，提高数据存储和处理的效率。
三、元数据管理面临的挑战1、元数据的多样性和复杂性随着企业信息化程度的提高，数据来源越来越多，包括数据库、文件系统、应用系统等，不同来源的数据具有不同的格式和结构，导致元数据的多样性和复杂性增加，给管理带来了困难。
2、元数据的一致性和准确性由于元数据可能在多个系统和部门中创建和维护，容易出现元数据不一致和不准确的情况。
例如，同一个数据在不同的系统中可能有不同的定义和描述。
3、元数据的变更管理在数据的生命周期中，元数据可能会频繁发生变更。
如何有效地管理元数据的变更，确保相关人员能够及时了解变更情况，并对受影响的系统和流程进行相应的调整，是一个挑战。
数据中台 元数据管理 名词解释
数据中台元数据管理名词解释数据中台（Data Middle Platform）是指以数据为核心的平台，通过整合和管理企业内外各类数据资源，为企业提供数据存储、数据处理、数据分析与挖掘、数据可视化等各类数据服务的高效可靠的技术平台。
数据中台的建设和运行包括了数据的集成、存储、处理、分析、应用和管理等一系列环节。
元数据是指描述数据的数据，是对数据的数据，它提供了对数据进行理解、管理和利用的信息。
元数据包括各种数据资源的定义、属性、关系和约束，它描述了数据的来源、结构、格式、服务、语义、变化等特征。
元数据管理是指对元数据进行组织、维护和管理的一系列活动，目的是确保数据的准确性、一致性、完整性和可用性，为数据中台的建设和运行提供支撑。
在数据中台中，元数据管理发挥着重要的作用。
首先，元数据管理提供了对数据进行分类和组织的方式，可以将数据资源进行逻辑上的划分和整合，让数据更易于理解和利用。
其次，元数据管理可以对数据进行标准化和规范化，确保数据的一致性和可比性，提高数据的质量和价值。
而且，通过元数据管理，可以建立数据之间的关联和依赖关系，帮助用户更好地理解数据的复杂性和相关性。
此外，元数据管理还可以对数据进行权限控制和安全管理，确保数据的安全和隐私不受侵犯。
元数据管理包括了元数据的采集、存储、维护和应用等过程。
首先，元数据需要通过采集工具从数据源中获取，并进行解析和提取，形成可用的元数据。
这涉及到对多种数据源和数据格式的识别和兼容，以及对数据结构和语义的解析和分析。
然后，元数据需要进行存储和管理，包括建立元数据的存储结构和索引，以及对元数据进行归档、备份和恢复等操作。
同时，元数据还需要进行维护和更新，包括对元数据的验证、修正和更新。
最后，元数据需要被应用到数据中台的各个环节中，包括数据的集成、处理、分析和应用等过程中，为用户提供丰富的数据服务。
元数据管理还包括了一系列的工具和技术。
其中，元数据管理工具是指用于元数据采集、存储、维护和应用的软件工具，可以实现对元数据的自动化管理和操作。
元数据管理内容
元数据管理内容
元数据管理内容主要包括以下几个方面：
1. 元数据标准：制定和推广元数据标准是元数据管理的核心内容。
元数据标准定义了数据的语义、结构和关系，使得不同系统之间能够进行有效的数据交换和共享。
例如，DC（Dublin Core）元数据标准广泛应用于数字图书馆和档案领域。
2. 元数据质量：保证元数据质量是元数据管理的重要任务。
高质量的元数据能够提高数据的可理解性和可用性，增强数据的可信度和可靠性。
元数据质量评估包括准确性、完整性、一致性和时效性等方面。
3. 元数据采集：元数据采集涉及确定需要采集的元数据类型、来源和采集频率等。
元数据采集应确保数据的准确性和完整性，同时考虑到数据规模和实时性的要求。
4. 元数据存储和备份：元数据存储和备份是元数据管理的基础设施。
选择合适的存储方案和备份策略，能够确保元数据的安全性和可恢复性。
5. 元数据映射和转换：元数据映射和转换是将不同来源和格式的元数据进行整合的关键技术。
通过元数据映射和转换，可以实现不同系统之间的数据共享和交换。
6. 元数据分析与利用：通过对元数据进行深入分析，可以挖掘出数据的潜在价值和知识。
利用元数据分析结果，可以为决策支持、
知识发现等应用提供支持。
综上所述，元数据管理内容广泛而复杂，涉及到标准制定、质量保证、采集、存储备份、映射转换和分析利用等多个方面。
元数据管理制度
元数据管理制度
元数据管理制度是指组织或企业为了更好地管理和利用元数据而建立的一套制度和规范。
元数据是描述数据的数据，它包含了数据的结构、属性、关系和语义等信息，可以帮助用户更好地理解和使用数据。
元数据管理制度的主要目标是确保元数据的准确性、完整性和一致性，以及提供有效的元数据管理流程和工具。
具体包括以下几个方面：
1. 元数据定义和标准化：制定统一的元数据定义和标准，明确元数据的各个属性和描述方式，确保不同部门和系统之间的元数据能够互通。
2. 元数据收集和维护：建立元数据收集和维护的机制，确保元数据的及时更新和正确性。
包括收集现有系统中的元数据，以及在新系统开发过程中对元数据进行记录和维护。
3. 元数据存储和共享：建立适当的元数据存储和共享机制，确保元数据的安全性和可访问性。
可以采用数据库或者元数据管理工具等方式来存储和管理元数据。
4. 元数据查询和检索：提供方便快捷的元数据查询和检索功能，用户可以根据需要查找和浏览元数据，以便更好地理解和使用数据。
5. 元数据权限管理：对元数据的访问和修改进行权限控制，确
保只有授权的人员可以修改和使用元数据，避免数据的误用和滥用。
通过建立和实施元数据管理制度，组织或企业可以更好地管理和利用元数据，提高数据的质量和价值，支持业务决策和数据分析等工作。
元数据管理包含的主要内容
元数据管理包含的主要内容元数据管理是指对数据的描述、组织和管理的过程。
它涉及到对数据的定义、分类、标准化、命名、注释、存储等方面的工作，以确保数据的可信性、可用性和可维护性。
元数据是关于数据的数据，是对数据的描述和解释，包括数据的结构、定义、来源、格式、用途等信息。
元数据管理的主要内容包括数据字典管理、数据分类与标准化、数据质量管理、数据安全与权限管理、数据血缘追踪与溯源等。
数据字典管理是元数据管理的核心环节。
数据字典是记录数据元素和数据元素之间关系的文档或数据库。
通过数据字典，可以清晰地了解数据的含义、结构和用途，方便数据的使用和维护。
数据字典管理涉及到数据元素的定义、属性、取值范围等信息的记录和维护，以及数据元素之间的关系的建立和管理。
数据分类与标准化是元数据管理的重要内容。
数据分类是将数据按照一定的标准进行分类和归类，以便于数据的管理和使用。
数据标准化是指对数据进行统一的命名、格式、编码等处理，以确保数据的一致性和规范性。
通过数据分类与标准化，可以提高数据的可查找性、可比性和可解释性。
数据质量管理是元数据管理的关键环节。
数据质量是指数据是否满足使用者的需求和期望。
数据质量管理包括数据准确性、完整性、一致性、有效性、及时性等方面的管理。
通过数据质量管理，可以提高数据的可信度和可用性，减少数据错误和冗余。
数据安全与权限管理是元数据管理的重要内容。
数据安全是指保护数据不被非法访问、篡改、删除等风险的管理措施。
权限管理是指对数据的访问权限进行控制和管理，确保只有授权的人员可以访问和使用数据。
通过数据安全与权限管理，可以确保数据的机密性、完整性和可用性。
数据血缘追踪与溯源是元数据管理的关键环节。
数据血缘追踪是指对数据的来源和去向进行追踪和记录，以便于数据溯源和问题排查。
数据溯源是指通过追溯数据的来源和处理过程，找到数据的源头和变动情况，以确保数据的可靠性和可信度。
元数据管理是对数据的描述、组织和管理的过程，包括数据字典管理、数据分类与标准化、数据质量管理、数据安全与权限管理、数据血缘追踪与溯源等内容。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.前言数据仓库中的数据是从许多业务处理系统中抽取、转换而来，对于这样一个复杂的企业数据环境，如何以安全、高效的方式来对它们进行管理和访问就变得尤为重要。
解决这一问题的关键是对元数据进行科学有效的管理。
元数据是关于数据、操纵数据的进程和应用程序的结构和意义的描述信息，其主要目标是提供数据资源的全面指南。
元数据不仅定义了数据仓库中数据的模式、来源以及抽取和转换规则等，而且整个数据仓库系统的运行都是基于元数据的，是元数据把数据仓库系统中的各个松散的组件联系起来，组成了一个有机的整体。
2.元数据2.1 元数据的概念按照传统的定义，元数据（Metadata）是关于数据的数据。
在数据仓库系统中，元数据可以帮助数据仓库管理员和数据仓库的开发人员非常方便地找到他们所关心的数据；元数据是描述数据仓库内数据的结构和建立方法的数据，可将其按用途的不同分为两类：技术元数据（Technical Metadata）和业务元数据（Business Metadata）。
技术元数据是存储关于数据仓库系统技术细节的数据，是用于开发和管理数据仓库使用的数据。
业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够“读懂”数据仓库中的数据。
业务元数据主要包括以下信息：使用者的业务术语所表达的数据模型、对象名和属性名；访问数据的原则和数据的来源；系统所提供的分析方法以及公式和报表的信息。
2.2 元数据的作用在数据仓库系统中，元数据机制主要支持以下五类系统管理功能：（１）描述哪些数据在数据仓库中；（２）定义要进入数据仓库中的数据和从数据仓库中产生的数据；（３）记录根据业务事件发生而随之进行的数据抽取工作时间安排；（４）记录并检测系统数据一致性的要求和执行情况；（５）衡量数据质量。
与其说数据仓库是软件开发项目，还不如说是系统集成项目[1]，因为它的主要工作是把所需的数据仓库工具集成在一起，完成数据的抽取、转换和加载，OLAP分析和数据挖掘等。
3.数据仓库元数据管理现状元数据管理的主要任务有两个方面：一是负责存储和维护元数据库中的元数据；二是负责数据仓库建模工具、数据获取工具、前端工具等之间的消息传递，协调各模块和工具之间的工作。
元数据几乎可以被称为是数据仓库乃至商业智能（BI）系统的“灵魂”，正是由于元数据在整个数据仓库生命周期中有着重要的地位，各个厂商的数据仓库解决方案都提到了关于对元数据的管理。
但遗憾的是对于元数据的管理，各个解决方案都没有明确提出一个完整的管理模式；它们提供的仅仅是对特定的局部元数据的管理。
与元数据相关的数据仓库工具大致可分为四类：1. 数据抽取工具：把业务系统中的数据抽取、转换、集成到数据仓库中，如Ardent的DataStage、CA（原Platinum）的Decision Base和ETI的Extract等。
这些工具仅提供了技术元数据，几乎没有提供对业务元数据的支持。
2. 前端展现工具：包括OLAP分析、报表和商业智能工具等，如MicroStrategy的DSS Agent、Cognos的PowerPlay、Business Objects的BO，以及Brio等。
它们通过把关系表映射成与业务相关的事实表和维表来支持多维业务视图，进而对数据仓库中的数据进行多维分析。
这些工具都提供了业务元数据与技术元数据相对应的语义层。
3. 建模工具：为非技术人员准备的业务建模工具，这些工具可以提供更高层的与特定业务相关的语义。
如CA的ERwin、Sysbase的PowerDesigner以及Rational 的Rose等。
4. 元数据存储工具：元数据通常存储在专用的数据库中，该数据库就如同一个“黑盒子”，外部无法知道这些工具所用到和产生的元数据是如何存储的。
还有一类被称为元数据知识库（Metadata Repository）的工具，它们独立于其它工具，为元数据提供一个集中的存储空间。
包括微软的Repository，CA的Repository，Ardent 的MetaStage和Sybase的WCC等。
4.元数据管理的标准化没有规矩不成方圆。
元数据管理之所以困难，一个很重要的原因就是缺乏统一的标准。
在这种情况下，各公司的元数据管理解决方案各不相同。
近几年，随着元数据联盟MDC（Meta Data Coalition）的开放信息模型OIM （Open Information Model）和OMG组织的公共仓库模型CWM（Common Warehouse Model）标准的逐渐完善，以及MDC和OMG组织的合并，为数据仓库厂商提供了统一的标准，从而为元数据管理铺平了道路。
从元数据的发展历史不难看出，元数据管理主要有两种方法：(1) 对于相对简单的环境，按照通用的元数据管理标准建立一个集中式的元数据知识库。
(2) 对于比较复杂的环境，分别建立各部分的元数据管理系统，形成分布式元数据知识库，然后，通过建立标准的元数据交换格式，实现元数据的集成管理。
下面我们分别介绍数据仓库领域中两个最主要的元数据标准：MDC的OIM标准和OMG的CWM标准。
4.1 MDC的OIM存储模型MDC成立于1995年，是一个致力于建立与厂商无关的、不依赖于具体技术的企业元数据管理标准的非赢利技术联盟，该联盟有150多个会员，其中包括微软和IBM 等著名软件厂商。
1999年7月MDC接受了微软的建议，将OIM作为元数据标准。
OIM的目的是通过公共的元数据信息来支持不同工具和系统之间数据的共享和重用。
它涉及了信息系统（从设计到发布）的各个阶段，通过对元数据类型的标准描述来达到工具和知识库之间的数据共享。
OIM所声明的元数据类型都采用统一建模语言UML（Universal Modeling Language）进行描述，并被组织成易于使用、易于扩展的多个主题范围（Subject Areas）。
这些主题范围中的包都是采用UML定义的，可以说UML语言是整个OIM标准的基础。
虽然OIM标准并不是专门针对数据仓库的，但数据仓库是它的主要应用领域之一。
目前市场上基于该标准的元数据管理工具已经比较成熟，例如微软的Repositry和CA的Repositry均采用了OIM标准。
4.2 OMG组织的CWM模型OMG是一个拥有500多会员的国际标准化组织，著名的CORBA标准即出自该组织。
公共仓库元模型（Common Warehouse Metamodel）的主要目的是在异构环境下，帮助不同的数据仓库工具、平台和元数据知识库进行元数据交换。
2001年3月，OMG颁布了CWM 1.0标准。
CWM模型既包括元数据存储，也包括元数据交换，它是基于以下三个工业标准制定的：(1) UML：它对CWM模型进行建模。
(2) MOF（元对象设施）：它是OMG元模型和元数据的存储标准，提供在异构环境下对元数据知识库的访问接口。
(3) XMI（XML元数据交换）：它可以使元数据以XML 文件流的方式进行交换。
CWM为数据仓库和商业智能（BI）工具之间共享元数据，制定了一整套关于语法和语义的规范。
它主要包含以下四个方面的规范：(1) CWM元模型（Metamodel）：描述数据仓库系统的模型；(2) CWM XML：CWM元模型的XML表示；(3) CWM DTD：DW/BI共享元数据的交换格式(4) CWM IDL：DW/BI共享元数据的应用程序访问接口（API）CWM元模型的组成与OIM规范一样，也是由很多包组成的。
在数据抽取过程中，数据从各个业务系统中被统一转换存储到中央数据仓库中。
CWM中的转换模型定义了数据在源和目的之间移动的过程，其中不仅包括源和目标之间的参数，还包括转换中的业务逻辑。
这些业务逻辑可能包括一些商业规则、类库甚至是用户脚本。
数据仓库如果有一个规范的转换模型将给工具软件厂商和专业服务提供商带来极大的好处，例如，按照统一的规范厂商可以设计一个通用的模型从标准ERP包中抽取数据。
工具厂商甚至可以随软件提供成熟的模型，集成商也可以将一个模型应用到多个项目中。
最终用户同样也能从CWM中受益，在使用商业智能分析软件进行多维分析的时候，用户往往会对数据的含义和来源产生疑问。
CWM能够提供这些信息，用户可以清楚地看到数据来自哪个系统，并且是如何组成的。
4.3 CWM与OIM之间的关系上两节分别介绍了与数据仓库相关的两个主要标准，CWM实际上是专门为数据仓库元数据而制定的一套标准，而OIM并不是针对数据仓库元数据的。
OIM所关注的元数据的范围比CWM要广，CWM只限定于数据仓库领域，而OIM模型包括有：分析与设计模型、对象与组件、数据库与数据仓库、商业工程、知识管理等五个领域。
OIM与CWM在建模语言的选择（都选择UML当做自己的描述语言）、数据库模型的支持、OLAP 分析模型的支持、数据转换模型的支持方面都比较一致；但是OIM并不是基于元对象设施（MOF）的，这意味着用OIM所描述的元数据需要通过其它的接口才能访问，而CWM所描述的元数据可以通过CORBA IDL来访问；在数据交换方面，OIM必须通过特定的转换形成XML文件来交换元数据，而CWM可以用XMI 来进行交换。
尽管如此，由于OMG与MDC两个组织的合并，CWM也会与OIM相互兼容以保护厂商已有的投资。
需要说明的是，MDC与OMG组织已经合并，今后所有的工具都将遵循统一的CWM标准，不过支持CWM 的工具才刚刚出现，而支持OIM标准的工具已经相对成熟。
5. 元数据管理系统的设计与实现5.1 设计原则数据仓库环境下的元数据管理系统的建设是十分困难的。
但是在实际项目的实施过程中，这个环节又是非常重要的。
当前情况下，OMG组织的CWM标准将会成为数据仓库元数据领域事实上的标准，在元数据管理系统的建立过程中应尽量参考这个标准，这样使系统的可扩展性增强。
可是在与之相关的工具成熟之前，我们完全可以采用OIM中的元模型（因CWM对OIM是兼容的）以及支持它的元数据管理工具进行元数据管理系统的建设，而且元数据所包含的范围很广。
我们在建立元数据管理系统的时候，绝对不能盲目追求大而全，要坚持目标驱动的原则，在实施的时候要采取增量式、渐进式的建设原则。
具体的建设步骤如下：（1）如果是在建设数据仓库系统的初期，那么首先要确定系统的边界范围，系统范围确定的原则是首先保障重点，不求大，只求精。
（2）系统边界确定以后，把现有系统的元数据整理出来，加入语义层的对应。
然后存到一个数据库中，这个数据库可以采用专用的元数据知识库，也可以采用一般的关系型数据库。
（3）确定元数据管理的范围。
比如，我们只想通过元数据来管理数据仓库中数据的转换过程，以及有关数据的抽取路线，以使数据仓库开发和使用人员明白仓库中数据的整个历史过程。