读书笔记--数据质量的总结感悟

       最近继续研读DAMA数据管理知识体系之数据质量章节，结合自身在数据管理、数据质量的项目实践，有所感悟并记录如下，供大家参考。数据质量管理要聚焦组织或客户的关键核心数据，比如企业的财务报告，监管报告和商业战略书等。数据质量管理不是一个项目，是一个持续性的日常工作。数据质量管理的主要驱动因素是为了提高组织的数据利用价值、工作效率和声誉，并降低成本和风险，明确了数据质量的六大维度，分析了出现数据质量问题的常见原因，如何借助PDCA模型改进数据质量，如何利用各种数据质量工具来剖析数据、发现并提升数据质量，也提出了创建高质量数据的最佳方法有哪些，具体实施措施有哪些，最后梳理了数据质量和数据治理的关系，数据质量是数据治理工作的一部分，需要利益相关方的深度参与，同时提出了要制定相应的数据治理方案和数据质量制度及数据质量的高阶指标（即度量指标），数据质量团队的大部分工作将集中于质量的度量和报告上，重点关注投资回报率、质量趋势、数据问题管理指标、质量水平和质量计划示意图等指标。企业要想在后续实现数据的价值挖掘和基于数据的应用建设，就需要持续性的实现安全可靠可信的高质量数据管控，将数据质量的PDCA流程做到数据治理过程中，进行迭代改进，在采集中改进，在应用中改进等等。

一、什么是数据质量和数据质量维度

数据质量是为了满足数据消费的需求，利用数据管理技术进行规划、实施和控制的管理活动。主要是指高质量数据的相关特征， 也指用于衡量或改进数据质量的过程。数据质量取决于使用数据的场景和数据消费者的需求，有时候不是已知的。
数据质量维度是数据的某个可测量的特性。 提供了定义数据质量要求的一组词汇， 通过这些维度定义可以评估数据的质量情况。

二、数据质量管理主要关注哪方