数据质量管理有哪些方法

　　数据质量管理是数据治理中的重要步骤。这是准备数据以符合质量标准(例如有效性，均匀性，准确性，一致性和完整性)的过程。数据质量管理可从数据集中删除不需要的，重复的和不正确的数据，从而帮助分析师获得更加准确的数据。

　　企业中的大多数使用高级数据工具来收集大量数据。原始数据通常包含错误，如果不做数据质量管理，可能会导致错误的结果。数据质量管理是数据治理中获得正确上下文和结论的基本步骤。

　　一、数据质量管理的方法之设置质量标准

　　数据质量管理的第一步是建立一套质量标准。必须明确定义标准，以从数据集中过程中过滤掉“脏数据”。您可以定义以下几个条件。

　　数据约束：有多种类型的数据约束可确保收集的数据具有最佳质量，例如：

　　·数据类型约束：仅限于注册值的范围，例如布尔值，数字，日期等。

　　·范围限制：数值不是绝对的，而是具有最小和/或最大允许值。

　　·强制性约束：必须填写所有列。

　　·唯一性约束：每个字段或字段组合在整个数据集中都必须是唯一的。

　　·成员资格约束：每列中的一组离散值或代码。

　　·外键约束：子值可以通过一组允许值添加到其他列。

　　·正则表达式模式：设置允许的模式，例如电话号码，站号，密码等模式。

　　设置数据约束有助于在数据收集过程的一开始就保持数据质量。

　　二、数据质量管理的方法之确保准确性

　　尽管数据约束在一定程度上确保了正确的数据值，但考虑到该领域的主观方面，准确性仍然是一个挑战。例如，如果必须填写街道地址，则设置模式约束有助于确保密码和状态正确，但是街道地址可能不正确。