数据仓库、大数据平台的建设如雨后春笋，越来越多的企业认识到了数据的重要性，数据是组织最具价值的资产之一。企业的
数据质量与业务绩效之间存在着直接联系，高质量数据能够为企业提供洁净、结构清晰的数据，是企业开发业务系统、提供数据服务、发挥数据价值的必要前提，也是企业数据资产管理的前提。但“脏乱差”数据质量会严重影响业务决策，为业务的实施带来风险。据IBM统计：低劣的数据质量严重降低了全球企业的年收入；数据分析员每天有30%的时间浪费在了辨别数据是否是“坏数据”上；错误或不完整数据导致BI和CRM系统不能正常发挥优势甚至失效。
一、何为数据质量
数据质量指数据满足使用需要的合适程度，也就是反映数据的“适用性（fitness for use）”。数据质量管理的目的是为企业提供洁净、结构清晰的数据，通过一致性、完整性、及时性、合法性、准确性等多类维度对数据进行度量。是企业数据资产管理的前提，是企业提供数据服务、开发业务系统、发挥数据价值的必要前提。
二、数据质量存在的问题
数据冗余
各个信息系统针对数据的编码规则不一、校验标准不一、标准规范不一且部分业务系统针对数据的验证标准严重缺失，造成了企业顶层视角的数据出现“一码多物”、“一物多码”等现象。
数据不可控
缺少专门对海量数据管理进行监督和控制的组织。企业各单位和部门缺少一个组织从全局的视角对数据进行管理，关注数据的角度不一样会导致企业基础数据质量考核体系无法建立，无法保障一系列数据标准、规范、制度、流程得到长效执行。同时，也无法建立统一的数据管理标准、流程等，相应的数据管理制度、办法等无法得到落实。
数据不合规
企业各信息系统的数据录入环节过于简单且手工参与较多，没有统一的数据管理平台和数据源头，数据全生命周期管理不完整。缺少对数据是否重复、合法、对错等校验环节，会导致各个信息系统的数据不够准确，格式混乱，各类数据难以集成和统一，没有质量控制导致海量数据因质量过低而难以被利用，且没有相应的数据管理流程。
数据不完整
由于企业信息系统的孤立使用，没有统一的录入工具和数据出口，各个业务系统或模块按照各自的需要录入数据，业务系统不需要的信息就不录，造成同样的数据在不同的系统有不同的属性信息，数据完整性无法得到保障。
数据不一致
企业早期没有进行统一规划设计，系统建设时间长短各异，大部分信息系统是逐步迭代建设的，各系统数据标准也不同。由于各系统的相互独立使用，无法及时同步更新相关信息等各种原因造成各系统间的数据不一致，严重影响了各系统间的数据交互和统一识别。而且，企业业务系统更关注业务层面，各个业务系统均有不同的侧重点，各类数据的属性信息设置和要求不统一，基础数据难以共享利用，数据的深层价值也难以体现。
三、对数据质量管理工具的认知
EsDataClean数据质量管理平台是
亿信华辰自主研发的数据质量管理平台，提供从质量监控、标准定义、质量分析、绩效评估、重大问题及时告警、质量报告、系统管理、流程整改发起等数据质量管理全过程的功能。还提供了业界主流的质量评估方法、质量规则管理方法、跨数据源比对、零编码质检规则、数据质量整改、质量分析报告、质量绩效评估等主要功能。以元数据为数据检核对象，以数据标准为数据检核依据，通过可视化、向导化等简易操作手段，将质量检核、质量评估、质量报告与质量整改等工作环节进行流程整合，形成完整的数据质量管理闭环。通过事先定义好的调度时间、规则、工作流程，自动完成数据的质量检查，极大的减少人力的投入和过程干预，提升效率，减少误差。同时对质量检查的结果提供多方式（界面、邮件、短信）告警，遇到重大问题能够及时警告，让用户及时了解到系统检查结果，避免重大问题的延误。
