1.元数据定义
元数据（ Metadata ）是关于数据的数据。元数据打通了源数据、数据仓库、数据应用，记录了数据从产生到消费的全过程。
元数据主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及 ETL 的任务运行状态。
2.元数据价值
数据的真正价值在于数据驱动决策，通过数据指导运营。可以用于指导数据相关人员进行日常工作，实现数据化“运营”。
- 对于数据使用者，可以通过元数据让其快速找到所需要的数据；
- 对于 ETL 工程师，可以通过元数据指导其进行模型设计、任务优化和任务下线等各种日常 ETL 工作；
- 对于运维工程师，可以通过元数据指导其进行整个集群的存储、计算和系统优化等运维工作。
（1）应用链路分析：
在数据应用方面打通产品及应用链路，保障产品数据准确、及时产出。
- 例如打通 MaxCompute 和应用数据，明确数据资产等级，更有效地保障产品数据。
- 例如在计算上可以利用元数据查找超长运行节点，对这些节点进行专项治理，保障基线产出时间。
- 例如可以利用元数据构建知识图谱，给数据打标签，清楚地知道现在有哪些数据。
通过应用链路分析，产出表级血缘、字段血缘和表的应用血缘。其中表级血缘主要有两种计算方式：一种是通过MaxCompute任务日志进行解析；一种是根据任务依赖进行解析。
（2）指导数据建模：
传统的数据仓库建模一般采用经验建模的方式，效率较低且不准确。基于现有底层数据已经有下游使用的情况，我们可以通过下游所使用的元数据指导数据参考建模。
- 基于主从表的字段使用情况 ，可以确定哪些字段进入目标模型。如表和字段的查询次数、关联次数、聚合次数、过滤次数、产出时间。
- 基于表的字段元数据，选择业务过程标识字段（PI或PPI）。如字段中的时间字段、字段在下游使用中的过滤次数等 。
上述描述中，查询指 SQL 的 SELECT ; 关联指 SQL 的 JOIN ; 聚合指 SQL的 GROUP BY ; 过滤指 SQL 的 WHERE 。
（3） ETL运维：
资源、下线无访问的任务。