数据质量管理涉及方法论、技术、业务和管理，通过设定数据质量标准，控制数据加工过程，确保数据准确性、唯一性、完整性、一致性、关联性和及时性。技术层面如数据模型设计、数据源质量控制等会影响数据质量，业务层面的需求不清晰和输入不规范也会带来问题，管理层面的数据输入规范和质量控制机制也至关重要。通过代码核查和发布核查，可以在各个环节保障数据质量。
数据质量管理不单纯是一个概念，也不单纯是一项技术、也不单纯是一个系统，更不单纯是一套管理流程，数据质量管理是一个集方法论、技术、业务和管理为一体的解决方案。
通过有效的数据质量控制手段，进行数据的管理和控制，消除数据质量问题进而提升企业数据变现的能力，一切业务、技术和管理活动都围绕这个目标和开展。
数据质量问题
数据质量问题通常会存在以下几个方面的问题，通常对数据质量的评估也是围绕这几个维度进行的。
-
数据准确性：用于分析和识别无效或者不准确的数据，不可靠的数据可能会导致严重的问题。
-
数据唯一性：用于识别和度量重复数据、冗余数据，重复数据是导致业务无法协同、流程无法追溯的重要因素，是需要解决的最基本的数据问题。
-
数据完整性：唯一性约束不完整、参照不完整；数据条目不完整、数据记录丢失或不可用；不完整的数据所能借鉴的价值就会大大降低，也是数据质量问题最为基础和常见的问题。
-
数据一致性
最低0.47元/天 解锁文章
扫一扫
997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
