数据质量管理方法有哪些

　　数据质量包含两个方面：数据自身的质量和数据使用过程标准规范。数据质量管理是一个集方法论、管理、技术和业务为一体，对数据在每个阶段里可能引发的各类数据质量问题进行识别、度量、监控、预警等一系列管理过程，并通过改善和提高组织的管理水平确保数据质量的提升。那么数据质量管理方法有哪些?

　　1、建立质量管控流程和规范

　　明确质量管控的角色、职责，建立可执行的工作流程、可量化的工作评估等关于数据质量管控办法，同时也应具备绩效考核、冲突解决与管控方式等。

　　2、执行管理工作

　　1)数据剖析

　　进行已知数据问题的评估，评估的范围控制在本轮管控的目标范围内。通过对数据进行剖析，发现数据问题，具体规则又可通过标准或业务调研进行提取。

　　2)设计数据质量控制操作程序

　　获得已知数据问题后，就应设计数据质量控制操作程序。主要包括制定质量问题评估方式和整改方式、制定质量报告内容及对象以及制定检查和监控的频率及方式。

　　3)定义数据质量需求

　　根据剖析的质检规则和控制操作程序，对数据质量需求进行定义。

　　4)确定数据质量水平

　　数据质量需求定义完毕之后，我们就需要确定在此需求下，目前数据质量的水平处于什么位置。明确反应质量水平的并最直观的就是错误数据的详情情况。

　　5)管理数据质量问题

　　问题找到后，针对根据不同的质量问题，进行不同的质量整改方案。比如：源头修改、补录、技术修复以及遗留问题管控等。

　　3、检查数据质量

　　首先确定整改质量，对处理后的数据进行再次质检，出具数据质量的报告;然后，对比处理前后效果，总结改进措施;最后，检查数据质量是否合格，分析不合格原因并下一轮管控中进行技术上或者操作程序上的改进。

　　4、监控数据质量，控制管理程序和绩效

　　根据既定的操作程序，对质量管控过程中各个环节参与者进行绩效评估。还可以根据不同时期的重点制定不同的评分标准，有针对性的进行评价和管控，如整改初期数据缺失严重，则可对完整性规则权重调大，以期更快看到成效或者达到更好的效果。

　　数据质量管控在数据治理体系中占据了十分重要的地位，是看见实质成效最快的一环，也是数据治理过程中的重要一环，亿信华辰睿治智能数据治理平台，是一款融合数据治理十大产品模块，覆盖数据全生命周期管理的应用平台，其中也包括了数据质量模块，可帮助政企有效提升数据质量，挖掘数据价值。