weixin_45332099的博客

本文详细的介绍了针对大数据源数据质量量化的标准，通过将各业务线源数据的质量通过分数的方式呈现，最终达到告诉业务使用方“什么是可以用的高质量数据”“什么是可以使用但会存在一些问题的中质量数据”和“什么是暂不可用的低质量数据”

软件缺陷会存在于软件产品的整个生命周期（产品设计，产品开发，产品生产环境）中；为加强对产品软件缺陷的管理，从缺陷的定义与提交规则、缺陷的流转规则以及缺陷解决\关闭的标准三个方向出发，确保缺陷被有效标识、跟踪及完成闭环，实现软件产品基于缺陷管理的全生命周期的质量保证。

本文详细介绍了针对数据标签（事实类、模型类、预测类），通过标签质量量化的方式对每一维标签根据不同的指标进行质量评分，最终分别划分出优\中\差三类标签输出。

研发质量总结，秉承下游对上游交付数据做出分析与预测，分为研发过程质量与研发交付质量两个环节；本文分别从产品，研发，测试三条链路产出的质量数据出发，对整个研发过程进行质量总结。

几乎每个企业都面临着数据不健康的问题。而这个问题带来的后果，也是触目惊心的：咨询顾问公司Ovum的数据显示，不良数据给企业带来30%的营收损失。 我们从数据的完整性和准确性提升我们的数据质量。我们的数据资产管理流程包括数据登记，数据采集，数据加工，数据治理，数据分析，数据应用等环节，其中数据登记，数据加工，数据应用需要测试参与其中，对数据质量进行评分，量化我们的数据质量。