本文探讨数据治理中的关键环节——数据质量管理，包括其目标、问题来源、评估标准、管理流程及实际操作中的取舍。数据质量直接影响数据分析的准确性，建立科学的评估标准和管理流程是提升数据质量的关键。数据质量问题主要源于业务管理，解决时需结合技术和业务层面。数据质量管理流程涉及问题分析、解决方案、责任追踪和持续优化，形成闭环。在实践中，需要根据组织特性做出适当取舍。
作者 | 蒋珍波
本文是数据治理系列文章的第三篇，主要讲数据治理中的重要工作：数据质量管理。
我将从数据质量管理的目标，质量问题产生的根源，讲到如何评估数据质量，如何贯彻数据质量管理流程，最后从取与舍两个角度谈谈我对质量问题的一些个人观点。
一、数据质量管理的目标
数据质量管理主要解决「数据质量现状如何，谁来改进，如何提高，怎样考核」的问题。
为什么这篇文章的标题中有“不忘初心方得始终”这几个字呢。因为最开始的关系型数据库时代，做数据治理最主要的目的，就是为了提升数据质量，让报表、分析、应用更加准确。时至今日，虽然数据治理的范畴扩大了很多，我们开始讲数据资产管理、知识图谱、自动化的数据治理等等概念，但是提升数据的质量，依然是数据治理最重要的目标之一。
为什么数据质量问题如此重要？
因为数据要能发挥其价值，关键在于其数据的质量的高低，高质量的数据是一切数据应用的基础。
如果一个组织根据劣质的数据分析业务、进行决策，那还不如没有数据，因为通过错误的数据分析出的结果往往会带来“精确的误导”，对于任何组织来说，这种“精确误导”都无异于一场灾难。
根据统计，数据科学家和数据分析员每天有30%的时间浪费在了辨别数据是否是“坏数据”上，在数据质量不高的环境下，做数据分析可谓是战战兢兢。可见数据质量问题已经严重影响了组织业务的正常运营。通过科学的数据质量管理，持续地提升数据质量，
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
