关于提高数据质量思考和处理办法.docVIP

关于提高数据质量思考和处理办法 　　[摘 要]本文针对当前公司内部及行业存在的数据质量问题作了分析，阐述了自己关于提高数据质量的观点，并进一步提出了自己在工作中的处理办法，目的是为了提高大家对数据质量的重视。 　　[关键词]保险；数据质量；提高 　　1 数据质量的重要性 　　1.1 保险监管的准确依据 　　任何违规事项，在操作中都有蛛丝马迹，严格规范数据质量对违规操作是一种约束，同时也能清晰的反映出操作的轨迹，有利于区分违规的痕迹，保证了监管过程中可挖掘的深度，同时可以加大监管的力度。保险稽核系统在各级保险监管机构的广泛运行，充分说明了数据中发现监管信息的可行性、有效性。 　　1.2 经营决策的有力支持 　　正确的决策来源于准确的信息，通过数据分析，暴露亏损业务，浮现盈利业务，然而数据的分析可谓是失之毫厘谬以千里，不真实的数据分析结果将导致决策的失误，继而导致经营结果的偏失，只有正确的数据分析才能为决策提供坚实的基础。 　　1.3 保险费的精确厘定 　　任何一种保险产品的定价，都离不开对现有保险数据的挖掘、分析。保险数据是第一手资料，是数据分析的基础。这些数据的收集是一项长期的工作，需要历史的积累，更需要长期的数据的定义规则的一致。 　　1.4 大数法则 　　保险公司经营的最根本的基础就是大数法则，大数法则的基础就是大量的真实、可靠、及时、规范、一致的业务数据。满足这些条件的大量数据的多年积累，会成为行业乃至国家的重要宝贵财富，对国家的防灾、减灾，经济建设提供权威、全面的技术、数据支持与保障。 　　1.5 降低保险事故有力依据 　　对于车险事故，通过分析事故多发地点和事故频发时段以及影响事故多发的天气、人等原因，形成报告，公布社会，有助于交警等政府部门采取行动措施，更好的提醒驾驶人员避免事故多发因素，有效采取措施，减少事故发生。 　　2 数据质量的特性 　　随着当今世界进入大数据时代，数据越来越成为组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系，高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。例如，全球著名企业沃尔玛，凭着强大的高品质数据资源和有效有力的数据分析，才能在全球开设众多的超市，才能不断调整超市中的货品及摆设位置，从而方便客户购物，赚取了更高的利润。有了高品质的数据质量，企业在任何时候都可以信任满足所有需求的所有数据。具体而言，高品质的数据质量表现在数据的一致性、正确性、及时性、规范性与真实性五大要素上。 　　一致性是指相同的数据记录在各不同系统之间的重要明细信息要一致，如业务系统的保费与收付费系统的保费数据需要保持一致。 　　正确性是指数据信息要符合业务、财务规范要求，如案件的赔付金额为零或大于保险金额的情况就不符合正确性的要求。 　　及时性是指要在规定的时间范围内完成数据操作，如报案后及时立案等。 　　规范性是指数据需要符合标准工作流程进行数据操作，如代码不一致、日期的逻辑错误就是不符合规范性的要求。 　　真实性是指电子数据与纸质数据之间必须相符，系统数据必须有真实的业务相互匹配，如纸质案卷与数据库不一致、假保费、假赔案就是不符合真实性的要求。 　　3 影响数据质量的因素 　　3.1 监管部门的重视程度 　　保险行业的数据资源既是保险行业自身的宝贵资源，同时更是社会的财富，可以从防范风险的角度出发反映出社会各个行业的真实状态，监管部门利用好保险行业的数据，对社会有着更深远的影响。 　　3.2 保险行业未形成统一标准 　　目前，保险行业没有统一的数据标准库，对于数据的质量并不关心，数据标准一致后对整个行业将产生深远影响，将大大提高整个行业的社会影响力，继而带来更大的社会效益。 　　3.3 各家公司数据标准的历史不延续性 　　中国的保险业近几年蓬勃发展，得益于中国社会经济的迅猛发展，社会的变化之快，技术更新的迅速，使得不论老公司还是新公司的业务变化迅速，业务发展模式和管理模式都在迅速更新变化，数据标准随之改变，不能很好地将前后的数据标准延续，使得数据质量控制点不断变化。 　　3.4 管理层重视程度 　　目前，有些领导不重视，出了数据质量事故往往认为对自己的经营成果没有什么影响，对自己的业绩不会构成损害，往往责任追究不到位，不能将数据质量管理的思想和意识很好地贯彻到所有的部门和人员，不能够提高全体人员的数据质量意识。 　　3.5 需求开发重视不够 　　需求开发只注重业务流程、业务功能的实现，往往不对数据质量管控点加以注意，导致程序开发中忽视此类需求。 　　3.6 系统开发重视不够 　　系统开发过程只注重功能的实现，数据质量意识淡薄，系统控制不严格。系统设计过程中数据质量的意识不够强，对于某些区域的内容、格式、模式的控制