有关数据价值和低质量数据成本的指

1）有关数据价值和低质量数据成本的指标。为了提高组织对数据

质量管理需求的认识，一种方法是通过指标描述数据价值和改进带来的

投资回报。这些指标（区别于数据质量评分）可以为改进提供资金基

础，并改变员工和管理层的行为（参见第11章）。

2）IT/业务交互的操作模型。业务人员了解数据的意义及其重要

性，IT数据管理人员了解数据存储的位置和方式，因此他们能很好地合

作将数据质量的定义转换为查询命令或代码，以识别不符合要求的特定

记录（参见第11章）。

3）项目执行方式的变化。项目监督必须确保项目资金覆盖与数据

质量相关的步骤（如分析和评估、质量期望定义、数据问题补救、预防

和纠正、构建控制和度量）。谨慎的做法是确保尽早发现问题，并在项

目中预先建立数据质量预期。

4）对业务流程的更改。提升数据质量取决于改进生成数据的流

程。团队应能够评估数据质量，并对影响数据质量的非技术（以及技

术）过程的变更提出建议。

5）为补救和改进项目提供资金。有些组织即使意识到了数据质量

问题也不准备补救数据，但数据是不会自行修复的，应衡量好补救与改

进项目的支出与收益。只有如此，数据改进才会优先处理。

6）为数据质量运营提供资金。维持数据质量需要持续操作，以监

控数据质量、报告发现的问题，并在发现问题时继续管理问题。13.5.1 就绪评估/风险评估

大多数依赖数据的组织都有很多改进的机会。从数据管理的角度来

看，数据质量方案是否正式、能否取得支持，取决于组织的成熟程度

（参见第15章）。组织采用数据质量的实践准备情况，可以通过以下特

征进行评估：

1）管理层承诺将数据作为战略资产进行管理。要获得管理层对数

据管理的支持，就要明确高级管理人员能否理解数据在组织中扮演的角

色。高级管理人员在多大程度上认识到数据对战略目标的价值？他们将

哪些风险与低质量数据联系起来？他们对数据治理的好处有多了解？对

改变文化以支持质量改进的能力有多乐观？

2）组织对数据质量的当前理解。大多数组织在开始其质量改进之

旅之前，他们通常表示了解质量数据差的障碍和痛点。了解这些很重

要，低质量数据可以直接与组织的负面影响关联在一起，包括直接和间

接成本；对痛点的理解也有助于确定和优先考虑改进项目。

3）数据的实际情况。以客观的方式描述导致痛点的数据情况是改

进数据的第一步。通过剖析和分析，以及对已知问题和痛点的量化来度

量和描述数据。如果数据质量团队不知道数据的实际情况，那么将很难

确定优先级并抓住改进机会采取行动。

4）与数据创建、处理或使用相关的风险。识别数据可能出现的问

题以及质量不佳的数据对组织造成的潜在损害，为降低风险提供了基

础。如果组织认识不到这些风险，那么获取组织对数据质量规划的支持

可能是一个挑战。

5）可扩展数据质量监控的文化和技术就绪。数据质量可能受到业

务和技术流程的负面影响。提高数据质量取决于业务和IT团队之间的合

作，如果业务和IT团队之间的关系不是协作的状态，将很难取得进展。

就绪评估的结果将有助于确定从何处开始以及如何快速进行，也可

为实现路线图计划目标打下基础。如果数据质量改进获得强有力的高层

支持，并且组织了解自己的数据，那么就可能启动一个完整的战略计

划。如果组织不了解其数据的实际状态，那么在制定完整的战略之前，

可能需要先集中精力构建这些知识。13.5.2 组织与文化变革

数据质量不是通过一些工具和口号就能改进的，而是要通过帮助员

工和利益相关方树立不断行动的思维观念，同时要始终考虑数据质量和

业务与客户的需求来改进。让一个组织认真对待数据质量，通常需要进

行重大的文化变革。这种变革需要领导者的远见和领导力（参见第17

章）。

首先是提高数据对组织作用和重要性的认识。所有员工都必须负责

任地处理并提出数据质量问题，从消费者的角度要求高质量的数据，并

向他人提供质量信息。每个接触数据的人都会影响数据的质量，数据质

量不仅是数据质量团队或IT团队的职责。

正如员工需要了解获取新客户或保持现有客户的成本一样，他们也

需要了解低质量数据的组织成本，以及导致数据质量低下的原因。例

如，如果客户数据不完整，客户可能会收到错误的产品，从而给组织造

成直接和间接成本。客户不仅会退回产品，而且他们可能会通过呼叫中

心打电话投诉，对组织声誉造成损害。如果由于组织没有建立明确的需

求而导致客户数据不完整，那么使用这些数据的每个人都有权要求澄清

需求并遵循标准。

最终，如果要让员工生成更高质量的数据并以确保质量的方式管理

数据，他们需要以不同的方式思考和行动，这需要培训和强化训练。培

训应着重于：

1）导致数据问题的常见原因。

2）组织数据生态系统中的关系以及为什么提高数据质量需要全局

方法。

3）糟糕数据造成的后果。

4）持续改进的必要性（为什么改进不是一次性的）。

5）要“数据语言化”，阐述数据对组织战略与成功、监管报告和客

户满意度的影响。

培训还应包括对任何过程变更的介绍，以及有关变更如何提高数据

质量的声明。13.6 数据质量和数据治理

数据质量工作作为数据治理计划的组成部分时，效果更好。通常，

数据质量问题是建设企业范围数据治理的原因（参见第3章）。将数据

质量工作纳入整体治理工作，使数据质量方案团队能够与一系列利益相

关方和推动者合作。

1）风险与安全人员可以帮助识别与数据相关的组织弱点。

2）业务流程工程和培训人员，可以帮助团队实施流程改进。

3）业务和运营数据专员以及数据所有者，他们可以识别关键数

据、定义标准和质量期望，并优先处理数据问题。

治理组织可以通过以下方式加快数据质量方案的工作：

1）设定优先级。

2）确定和协调有权参与各种数据质量相关决定和相关活动的人。

3）制定和维护数据质量标准。

4）报告企业范围内数据质量的相关测量。

5）提供有助于员工参与的指导。

6）建立知识共享的沟通机制。

7）制定和应用数据质量和合规政策。

8）监控和报告绩效。

9）共享数据质量检查结果，以提高认识，确定改进机会，并就改

进达成共识。

10）解决变化和冲突，提供方向性指导。

13.6.1 数据质量制度

数据质量工作应有匹配的数据治理制度的支持。例如，治理制度可

授权定期的质量审计，并实施相关标准和最佳实践。所有数据管理知识

领域都需要制定相关制度，但数据质量制度尤其重要，因为它们经常涉

及法规要求。各项制度应包括：1）制度的目的、范围和适用性。

2）术语定义。

3）数据质量团队的职责。

4）其他利益相关方的责任。

5）报告。

6）策略的实施，包括与之相关的风险、预防措施、合规性、数据

保护和数据安全性等。

13.6.2 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。数据质

量的高阶指标包括：

1）投资回报。关于改进工作的成本与改进数据质量的好处的声

明。

2）质量水平。测量一个数据集内或多个数据集之间的错误或不满

足甚至违反需求情况的数量和比率。

3）数据质量趋势。随着时间的推移（趋势），针对阈值和目标的

质量改进，或各阶段的质量事