最近数据质量市场上的产品发布惊人的相似，意思都在预示着一个信息，就是供应商们都将他们的产品定位在更广泛的企业范围内。

　　星期一，位于美国北卡罗来纳州卡里的DataFlux公司展示了他们最新的核心数据质量技术平台Version 8，它可以提供更快、更有效率的方式找到惟一的事实真相，据公司说。同一天，位于加里福尼亚州红杉城的Informatica公司，也发布了Data Quality 3.1 和Data Explorer 5.0，这两个产品仅仅围绕着它的PowerCenter数据综合平台。很快又有位于美国马里兰州Lanham的Pitney Bowes集团1软件公司介绍了新的客户数据质量平台。几个星期之前，位于加利福尼亚州圣何塞的Business Objects公司宣布针对Siebel客户关系管理应用程序的Data Quality XI的一般利用率，还有IBM最近也发布了他们的信息服务器，还在beta版，他们说它包含了增强的数据质量功能。

　　这些产品的设计目的都是为了帮助公司使得数据质量成为每天业务的一部分，而不是周期性的批处理清理类型的活动，位于美国康涅狄格州斯坦福的Gartner公司的研究副总裁Ted Friedman说。

　　“所有这些发布在某种形式和程度上都是使数据质量的思想在企业中更多广泛深入下去，” Friedman说。“这些产品都继续在积极的方向上发展着，人们也越来越倾向于与其它事物集成在一起，例如数据集成工具或者打包应用程序。”

　　Informatica, DataFlux添加和增强的功能性

　　Informatica的目标就是要将数据质量灌输到数据集成生命周期中去，高级产品销售经理Karen Hsu说。新的Data Quality 3.1 和 Data Explorer 5.0都是基于Informatica收购Similarity系统公司后获得技术，并且提供了与它们的PowerCenter 数据集成平台“点到点”的集成，她说。这个产品为PowerCenter开发人员提供了新的特性，还有用户友好界面的加强，让更多的商业用户能够进入到数据质量过程中来。例如，有一些新的“工作台”，是为了商业用户可以定义规则和测量标准的，还有可视的“数据质量记分牌”来监控完整性和质量。数据浏览器已经加强了自动配置，并且还会让公司建立起复杂的批处理配置过程更加轻松，Hsu说。新的产品将会在这个月发布，PowerCenter选项和独立的系统都是一样。

　　Informatica并不是惟一一家让数据质量在企业内更容易接触的公司。

　　DataFlux的 Version 8大概在2007年第一个季度就可以在市面上见到了，包括为业务规则加强的特性，升级的元数据探查工具，新的数据质量加速器，还有扩展的内部特性，其中包括对双字节字符集的支持。目标就是帮助数据质量的提高更加有效，DataFlux 公司的总裁和首席执行官Tony Fisher说。例如，升级后的dfPower浏览器可以让企业在不同的应用程序中分析元数据，以此来判断类似的记录在哪里，这可以帮助快速判断数据项目的相关内容在哪里。新的DataFlux加速器是预先构建的针对用户、产品和遵循关键的观察列表的常见的数据质量任务的工作流、模版和最好的实践方案，Fisher说。最后，一个扩展的业务规则引擎可以帮助企业创建并监控定制的规则，以确保数据满足质量和完整性的内部标准。

　　特别是在新的DataFlux产品中的经过加强的元数据发现特性，引起了Friedman的注意。许多公司都遇到了“将全世界的完整元数据视图都放在一起”的挑战，这样的特性真的会带来帮助，Friedman说。他的兴趣还被集成到DataFlux 和Informatica产品中的业务监控特性所吸引。

　　“数据质量是个无处不在，无时不在的事情，” Friedman说。“从这个角度来看，我喜欢将规则插入到数据流中，以便在质量走上歧路，超过我们期望的界线的时候对其进行监控的想法。”

　　然而，DataFlux, Informatica 和IBM都在向类似的方向迈进，让数据质量更加深入人心，Friedman提醒说，Group 1的Customer Data Quality平台似乎将注意力单独集中在用户数据上。考虑到Pitney Bowes的所有权问题这是有意义的，但是它也很明显地与它的竞争对手区别开来，它的设计目的就是“领域不可知论”。产品的焦点与市场上企业期望数据质量工具可以广泛应用于各个领域的趋势有点不符，不仅仅是客户数据，Friedman说。

　　对购买者的建议

　　设计上，Friedman在《Gartner公司的 2006 Magic Quadrant for Data Quality Tools》中提出的一个基本建议就是购买者需要看看领域不可知论的数据质量工具。这个建议和他其它的建议仍然成立，他说，但是他也提醒说，数据完整性和数据质量供应商之间的界线正在迅速模糊——这是在购买任何一种类型工具的时候需要考虑的趋势。

　　“我们把数据质量看作是做任何类型数据整合的基础，” Friedman说。“因此，如果你购买ETL或者其他数据整合工具，你需要寻找那些拥有这样的合作伙伴，或者是他们自己就有数据质量工具的(整合)供应商。”