- 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：2020-07-09来源：浏览数：906次
数据是资源、数据分析是工具、数据结论是价值。工欲善其事必先利其器，同样，资源不储备好，再牛逼的工具也无从下手，下文重点讨论企业如何做数据质量管理和数据治理。
重点在于两点：第一是可被信任的，要求数据必须真实可靠，能够真实的记录企业运营情况；第二是可以满足需求，要求数据服务于业务，从最基础的业务监控到商业决策，都可以通过数据给出答案。
数据质量评估六要素：完整性、规范性、一致性、准确性、唯一性、关联性；
质量问题来源
任何质量问题改善都建立在评估的基础上，知道问题在哪里才能实施改进。数据质量问题来源按照不同的分类有不一样的问题定位，本文中关于数据质量控制与数据治理借助数据流图来说明。
数据流图也称为数据流程图date flow diagram , DFD，是一种便于用户理解和分析系统数据流程的图形工具，他摆脱了系统和具体内容，精确的在逻辑上描述系统的功能、输入、输出和数据存储等，是系统逻辑模型的重要组成部分。它从数据传递和加工的角度，以图形的方式刻画数据流从输入到输出的移动变换过程，所以它可以用来做数据质量问题定位。
标准化的系统设计，数据流图会在系统需求分析阶段完成，但是大部分的系统开发都没有进行标准化的数据流图，需求后期进行完善，具体的数据流图画法不做赘述。
数据质量评估，客户行业数据一致性不足40%，无法确定哪个步骤的行业输入更加准确，数据分析可信度不高，业务影响大；问题定位在一个属性数据多个输入，无修改纠正，多个数据并存；整改方案经过沟通确定如下，通过市场部获取的客户已市场部输入为准，后续步骤默认填充，销售自己渠道获取的客户以销售输入为准，后续步骤默认填充。方案实施改进，宣导至所有干系人；对历史数据经过数据加工进行处理，后续数据采用新逻辑，评估改进后的数据一致性，确认能否满足业务需求。
