- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2019-07-11来源：知乎浏览数：576次
随着越来越多的大学将数据视为负责任的战略规划和计划的关键，许多人都意识到：有些数据比其他数据更好 - 糟糕的数据可能比没有数据更糟糕。
根据最近的一份白皮书，超过6个高等教育机构正在考虑启动校园数据分析计划或已经有这样的计划。
大多数人认为他们可以从数据中获得的见解对提高运营效率至关重要，但越来越多的人也使用数据和分析来帮助推动学生的成功。在所有这些举措中，参与数据管理和利用的人员都依赖于相关性和可靠性。
但是，数据治理的这一部分 - 数据质量的保证 - 对于任何机构来说都是一个困难的命题。鉴于可用数据的数量和种类繁多，如何才能知道什么是好的，什么不是？
专家说，答案涉及多管齐下的方法，包括部署专门工具以简化数据收集，并通过专业支持和培训致力于最佳实践。
在2018年关于高等教育数据治理的研究中，Cary Jim和Hsia-Ching Chang写道，数据质量是“数据驱动决策过程的基础”。
高等教育中的数据质量问题
也许机构反复面临的最大数据质量挑战与大量潜在数据源有关。
弗雷德里克说，这些团体都必须“在同一页面上”，以确保他们“ 从我们都信任并同意的来源工作 ” 。”
其中，该公司报告说，个别教师的责任，教授和部门代码过时或混乱，以及机构记录课程部分最大容量的方式不一致，是不准确的表格。
完整性：必须从所有可能的来源链接相关数据。
准确性：数据必须正确且一致，例如没有拼写错误。
可用性：数据必须按需提供。
及时性：当前数据必须可用。
由于大学和大学处理如此多的数据，大多数人选择实施数据质量工具 - 参见Gartner的2019年顶级供应商魔力象限 - 通过数据清理，匹配，监控和其他方式实现大部分质量保证流程的自动化。
