1.构建企业级数据架构
企业构建的信息系统以满足功能应用为主，如果没有整体数据架构，应用系统就没有
数据标准可参考，不可避免地会出现不同的应用系统使用不同的数据标准和数据库，导致数据交换、数据共享困难，数据冗余、数据完整性、数据一致性等问题突出。
理想情况下，企业在信息化初期就应该规划整体数据架构。一个完整的数据架构主要包括：数据标准、
数据库产品线、
主数据、元数据、数据质量、数据安全、数据交换、
数据仓库。每一部分都需要作为独立的专题去建设，而且必须是技术与管理相结合的建设过程，最终形成全局数据架构。
2.加强信息系统设计
产生数据质量问题的第一个环节就是生成数据的源系统，在数据源头解决数据质量问题是提高数据质量非常有效的措施。加强信息系统设计和开发可以通过系统功能自动地规避大量数据质量常见问题。具体包括以下三个方面：
细化需求，在需求分析阶段增加对数据质量的详细要求;
加强数据库设计，使用3NF范式构建业务系统数据模型可以通过数据库有效解决数据冗余、不一致等问题;
系统开发阶段加强数据录入功能的设计和开发，提高界面友好性和校验功能，可以有效解决数据完整性、时效性等问题。
3.建立主数据中心
企业内部不同应用系统、不同部门间需要共享数据的现象非常普遍，建立主数据中心不仅能避免各应用系统相互共享数据形成网状结构，同时能够保证对外提供准确、一致的数据。一般地，主数据是描述核心业务实体的数据，如IT、业务、应用、资产等，这些数据变化相对缓慢并通常跨业务重复使用。这里我们结合实际需求情况扩大了主数据的范围，凡是需要交换、共享的数据都纳入到主数据范围，形成企业范围内一致的、完整的、准确的核心业务数据，统一由主数据中心完成对外提供数据的任务。建立主数据中心不仅仅是技术工作，除开发、维护外还需要制定开发规范、管理规范、管理流程，共同规范主数据的使用。
4.搭建数据质量监控平台
通过搭建数据质量监控平台可以实现数据质量自动检查、监控，平台包括数据质量检查规则库、规则执行引擎、数据质量报告、报告推送功能。平台的核心是规则库，与业务无关的规则由技术人员独立开发，与业务相关的规则需要技术人员和业务人员共同确定检查规则，然后编写规则脚本。规则执行引擎可以定时批量执行检查规则，及时发现数据质量问题，将数据质量报告第一时间推送给业务人员，有助于及时纠正问题数据。
5.实施数据安全工作
数据安全实施工作在数据安全管理制度的指导下执行，由技术人员完成，主要包括数据备份、恢复、脱敏、监控、审计等。
（部分内容来源网络，如有侵权请联系删除）
