人道是：“纸上得来终觉浅，绝知此事要躬行”，但对于已经有一定经验的数据管理者来说，往往需要倒过来做，即“躬行得来终觉窄，绝知此事要系统”，数据质量是数据的生命线，因此数据质量管理对于企业而言是非常重要的。
什么是数据质量管理？
数据质量管理就是指对数据从计划，获取，存储，共享，维护，应用到消亡，这整个生命周期的每一个阶段可能引发的数据质量问题，进行识别，测量，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，使数据质量获得进一步的提高。数据质量管理的终极目标：通过可靠的数据提升数据在使用中的价值，并最终为企业赢得经济效益。
我们可以简单地将数据质量管理理解为一种业务原则，需要将合适的人员、流程和技术进行有机整合，改进数据质量各维度的数据问题，提高数据质量。实际上，企业数据治理的各个关键领域和关键活动都是围绕如何提升数据质量，以获得更大的业务成果或经济利益而展开的。
数据质量管理是数据治理的重要组成部分，通常用在数据模型设计、数据资产管理、主数据管理、数据仓库等解决方案中。 数据质量管理可以是反应性的被动管理，也可以是预防性的主动管理。很多公司将数据质量管理的技术与企业管理的流程相结合，用来提升主动管理数据质量的能力，这是一个很好的实践。
如何做好数据质量管理？
1、对其业务目标
企业的数据治理不是为治理数据而治理数据，背后都是为了支持业务和管理目标的实现。提升数据质量的主要目的是推动业务发展：
（1）将企业的业务目标映射到数据质量管理计划中来。
（2）让业务人员深度参与甚至主导数据质量管理，作为该数据主要用户的业务部门可以更好地定义数据质量参数。
（3）将业务问题定义清楚，只有在业务问题定义清楚之后，才能分析出数据质量问题的根本原因，以及制定出更合理的解决方案。
2、评估数据质量
（1）数据质量评估以数据质量问题对业务的影响分析为指导，清楚的定义出待评估数据的范围和优先级等重要参数。
（2）采用自上而下和自下而上相结合的策略识别数据中的异常问题。自上而下是以业务目标为出发点，对待评估的数据集进行评估和衡量。自下而上的方法是基于数据概要分析，识别数据问题并将其映射到对业务目标的潜在影响。
（3）形成数据治理评估报告，通过该报告清楚列出数据质量的评估结果，该报告可以在利益相关者，决策者之间分发，从而推动数据质量改进行动。
3、分析根本原因
要做好数据质量管理，应抓住影响数据质量的关键因素，设置质量管理点或质量控制点，从数据的源头抓起，从根本上解决数据质量问题。
对于数据质量问题采用量化管理机制，分等级和优先级进行管理，严重的数据质量问题或数据质量事件可以升级为故障，并对故障进行定义、等级划分、预置处理方案和Review。
4、制定解决方案
企业数据质量的治理需要结合数据问题对业务的影响程度以及数据问题发生的根本原因制定数据质量管理的解决方案。明确数据质量的改进目标，制定数据质量问题处理策略，并立即付诸行动。
5、控制数据质量
数据质量控制是在企业的数据环境中设置一道数据质量的“防火墙”，以预防不良数据的发生。
数据质量“防火墙”就是根据数据问题的根因分析和问题处理策略，在发生数据问题的入口点设置的数据问题测量和监控程序，在数据环境的源头或者上游进行数据问题的防治，从而避免不良数据向下游传播并污染后续的存储，进而影响业务。
6、纠正数据问题
尽管有效数据质量控制可以在很大程度上起到控制和预防不良数据发生的作用，但事实上，再严格的质量控制也无法做到100%数据问题防治，甚至有时候严格的数据质量控制还会引出其他更多的数据问题。
因此，企业还需要不时进行主动的数据清理和处理补救，以纠正现有的数据问题。
