数据质量是数据仓库成功的关键，涉及准确性、完整性等多个衡量标准。高质量数据能提供实时信息分析、改善客户服务、降低成本风险并提高生产率。数据质量问题包括虚假值、缺失值等，源于系统转换、数据老化等因素。数据清洗工具如错误发现和修正工具能帮助改善数据质量，确保数据仓库的可靠性。确保数据质量需要用户、IT专家和业务人员的共同参与，建立数据质量框架并选择合适的清洗策略。
（一）数据质量的衡量标准、好处和问题
数据质量的好坏是决定一个数据仓库成功的关键，但是需要从那些方面衡量数据仓库中数据的质量呢? 可以从下列方面衡量系统中的数据质量：
准确性：存储在系统中的关于一个数据元素的值是这个数据元素的正确值 ；
域完整性：一个属性的数值在合理且预定义的范围之内；
数据类型：一个数据属性的值通常是根据这个属性所定义的数据类型来存储的；
一致性：一个数据字段的形式和内容在多个源系统之间是相同的。
冗余性：相同的数据在一个系统中不能存储在超过一个地方；
完整性：系统中的属性不应该有缺失的值；
重复性：完全解决一个系统中记录的重复性的问题；
结构明确：在数据项的结构可以分成不同部分的任何地方，这个数据项都必须包含定义好的结构；
数据异常：一个字段必须根据预先定义的目的来使用；
清晰：一个数据元素必须有正确的定义，也就是需要一个正确的命名；
时效性：用户决定了数据的时效性；
最低0.47元/天 解锁文章
扫一扫
2153
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
