数据质量改进致力于增强满足数据质量要求的能力。数据质量改进消除系统性的问题,对现有的质量水平在控制的基础上加以提高,使质量达到一个新水平、新高度。
质量改进的步骤本身就是一个PDCA循环。质量改进包括涉及企业跨组织的变革性改进(BTMS)和企业各部门内部人员对现有过程进行渐进的持续改进(GPMS)。华为公司也出现过针对一些问题年年改进但是年年问题再次发生的现象,最为关键的原因就是没有真正按照质量改进的步骤开展工作,没有用质量改进的方法把真正的根因识别出来加以改进并固化到流程体系中。因此,规范改进过程并按照过程规范实施管理改进是非常关键的。
华为定义的改进过程框架是一个大的PDCA循环。通过管理层(ST)的管理评审以及变革与改进的规划,识别变革与改进项目,每个项目按照规范的项目群管理运作流程或者改进过程框架实施改进。改进成果固化到流程及管理体系中并实施推广执行,执行后再通过质量组织进行客户满意度管理、度量、审核与变革进度指标评估等,将再次识别改进作为管理评审的输入,最终形成大的改进循环。
在这里我们说明一下数据质量控制和数据质量改进的关系。质量活动通常分为两类:维持与改善。维持是指维持现有的数据质量水平,
其方法是数据质量控制;改善是指改进目前的数据质量,其方法是主动采取措施,使数据质量在原有的基础上有突破性的提高,即数据质量改进。
从结果的角度来说,数据质量控制的目的是维持某一特定的质量水平,控制系统的偶发性缺陷;而数据质量改进则是对某一特定的数据质量水平进行“突破性”的提升,使其在更高的目标水平下处于相对平衡的状态。控制是日常进行的工作,可以纳入流程体系的“操作规程”中加以贯彻执行,最好的手段就是纳入流程体系进行标准化。质量改进则是一项阶段性的工作,达到既定目标之后,该项工作就完成了。质量改进的最终效果比原来维持下的效果好得多,这种工作必然需要精心策划。质量改进要固化在流程体系中进行标准化,通过质量控制使得标准化的流程得以实施,达到新的质量水平。
质量控制是质量改进的前提,控制就意味着维持以前的质量水平,是PDCA改进循环中保证水平不下降的“努力的楔子”,是保证下一次改进的起点,而改进则是在起点基础上的变革和突破。如果不做好质量控制,质量水平就会下降,下次又在低水平重复,因此不能只关注质量改进,改进后关键还是要实施质量控制,二者交替进行,相辅相成。
数据质量管理应成为企业持续、例行的工作,企业数据质量管理水平直接影响数据应用的效果和数字化转型的成效。华为数据质量管理框架由三个部分构成,包括自上而下打造数据质量领导力、全面推进数据质量持续改进机制、不断加强数据质量能力保障。通过制定数据质量政策,并依托公司变革体系和流程运营体系实现质量管控的落地,同时以多种方式在全公司营造质量氛围和文化。其中最重要的是建立了企业数据质量持续改进的机制,即基于质量管理的PDCA循环——数据质量策划、控制、度量和改进。最后通过组织、流程、IT三个方面的能力保障,使数据质量管理“系统化”“持续化”“常态化”。