首页 行业百科 数据治理|如何做好数据质量管理

数据治理|如何做好数据质量管理

|亿信华辰大数据知识库2022-02-15

数据治理|如何做好数据质量管理

目前,企业都致力于大数据的建设,目标是为了融合组织数据,增加组织的洞察力和竞争力,实现业务创新和产业升级。企业数字化转型的核心要素就是数据,而数据能发挥价值的大小依赖于其数据的质量高低。

    目前,企业都致力于大数据的建设,目标是为了融合组织数据,增加组织的洞察力和竞争力,实现业务创新和产业升级。企业数字化转型的核心要素就是数据,而数据能发挥价值的大小依赖于其数据的质量高低。
一、数据质量管理
先了解什么是数据质量,数据质量是指在业务环境下,数据需要满足业务场景具体的需求以及符合数据消费者的使用目的。包含两部分:数据的过程质量和数据自身质量。数据的过程质量指数据的获取、传输、应用和删除等数据生命周期的各个阶段,符合标准规范,比如数据存储:数据是否被安全的存储到了合适的介质上,能够保证数据安全;数据自身质量即数据必须真实准确地反映实际发生的业务,数据存在各种约束条件,这种约束条件不能自相矛盾,避免业务产生的数据被遗漏等等。

了解了数据质量后,再说说什么是数据质量管理。数据质量管理是一个集方法论、管理、技术和业务为一体的解决方案,是一个不断循环的管理过程。一方面反映出数据质量的重要性以及数据质量工作的零散性和琐碎性;另一方面也反映出数据治理是一个相对漫长的过程。简而言之,数据质量管理是对数据在每个阶段里可能引发的各类数据质量问题进行识别、度量、监控、预警等一系列管理活动,并通过改善和提高组织的管理水平确保数据质量的提升。


二、数据质量评估
可以从以下五个维度来进行数据质量评估:

有效性:用于度量数据是否满足用户定义条件、内容规范约束等。
完整性:用于度量哪些数据不可用或者哪些数据丢失了。
准确性:用于度量哪些数据是超期的,或者哪些数据和信息是不正确的。
一致性:用于度量哪些数据的值或属性在信息含义上是冲突的。

及时性:用于度量从业务发生到相关数据能够被使用的及时程度。


三、如何做好数据质量管理

企业要想做好数据质量管理,需要严格的规划和约束数据生命周期每个阶段的数据,可以将其分为事前预防、事中监控、事后改善三个阶段。
事前规划明确的数据质量目标,制定数据质量相关的政策和制度;
事中监控原始数据质量,“好数据”入库,“坏数据”则反馈给源头修复;
事后修复数据质量问题,即通过自动化、工单、手工等手段将质量问题修复掉,从而为业务创新提供可靠的数据支撑。

四、企业提高数据质量的方法

要想真正解决数据质量问题,需要明确业务需求,从需求开始控制数据质量,并建立数据质量管理机制。

亿信华辰睿治数据治理平台的数据质量管理模块以数据标准为数据检核依据,以元数据为数据检核对象,通过向导化、可视化等简易操作手段,将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合,形成完整的数据质量管理闭环。根据全面质量管理PDCA循环管理方法,充分结合国内数据质量管理工作的特点,运用元数据管理、数据挖掘、数据分析、工作流、评分卡、可视化等技术最终帮助企业和政府建立数据质量管理体系,全面提升数据的完整性、规范性、及时性、一致性、逻辑性等,降低数据管理成本,减少因数据不可靠导致的决策偏差和损失。


认为本内容有帮助
0
您可能需要的数据产品
亿信华辰助力政企数字化转型
customer

在线咨询