在
数据治理方面，不论是国际的还是国内的，我们能找到很多数据治理成熟度评估模型这样的理论框架，作为企业实施的指引。而说到
数据质量管理的方法论，其实业内还没有一套科学、完整的数据质量管理的体系。很多企业对数据质量的重视程度还不够，即使部分企业在朝着这个方向努力，也是摸着石头过河。
数据是数字化时代企业的重要资产，数据可以以产品或服务的形态为企业创造价值。既然数据可以是产品、可以是服务，那问题就简单了。虽然数据质量管理没有成熟方法论支撑，但是产品和服务的质量管理体系却已非常的成熟了，何不尝试用产品和服务的质量管理体系来管理数据质量？！那国际上最权威的质量管理体系IOS9001是否也适用于企业的数据质量管理呢？
下图是ISO9001基于PDCA的质量管理核心思想，其重点强调以客户为关注焦点、领导作用、全员参与、过程方法、持续改进、循证决策和关系管理。
图中的数字代表的是本标准在ISO9001的相关章节，无业务含义。以下内容是根据笔者对质量体系相关资料的查阅和粗浅理解，给出数据质量管理的方法论，不免有所偏误，欢迎拍砖和指正。
依据ISO9001以及企业在数据治理方面的相关经验，笔者认为企业数据质量管理应从以下几个方面着手：
1、组织环境
我们在数据治理框架、
主数据管理、
数据标准管理等章节，都提到了组织机构的设置，这里再次强调一个强有力的数据管理组织的建设是数据治理项目成功的最根本的保证。其作业是两个层面：一是在制度层面，制定企业数据治理的相关制度和流程，并在企业内推广，融入企业文化。二是在执行层面，为各项业务应用提供高可靠的数据。
2、数据质量管理方针
为了改进和提高数据质量，必须从产生数据的源头开始抓起，从管理入手，对数据运行的全过程进行监控，强化全面数据质量管理的思想观念，把这一观念渗透到数据生命周期的全过程。数据质量问题是影响系统运行、业务效率、决策能力的重要因素，在数字化时代，数据质量问题影响的不仅仅是信息化建设的成败，更是影响企业降本增效、业务创新的核心要素，对于数据质量问题的管理，深度执行的总体策略“垃圾进，垃圾出（garbage in，garbage out）”，采用事前预防控制、事中过程控制、事后监督控制的方式进行数据质量问题的管理和控制，持续提升企业数据质量水平。
3、数据质量问题分析
关于质量问题的分析，笔者推荐采用经典的六西格玛（缩写：6σ 或 6Sigma），六西格玛是一种改善企业质量流程管理的技术，以“零缺陷”的完美商业追求，以客户为导向，以业界最佳为目标，以数据为基础，以事实为依据，以流程绩效和财务评价为结果，持续改进企业经营管理的思想方法、实践活动和文化理念。六西格玛重点强调质量的持续改进，对于数据质量问题的分析和管理，该方法依然适用。
（部分内容来源网络，如有侵权请联系删除）
