图书馆信息服务数据质量管理和评价.docVIP

图书馆信息服务数据质量管理和评价 　　[摘要]数据质量影响用户数据的整合过程与结果、数据库的应用性、商业智能开发以及商业品牌。由信息系统呈现的数据，为满足用户的需求并将其做有效的应用，基础均在于数据的质量。针对数据质量的评估方式、管理架构和评估要素，建构数据质量评价指标体系，为提高数据质量从而改善图书馆信息服务提供参考。 　　[关键词]数据质量；数据管理；图书馆；信息服务 　　[中图分类号]G252 　　[文献标识码]A 　　[文章编号]1008—0821（2012）08-0068—03 　　微软研究院科学家Jim Gray在2007年提出了以数据为基础的科学研究第四范式的概念：科学研究越来越依赖于数据的聚集和分析。随着信息技术的发展，在有限的时间里，快速收集复杂而且大量的资料或数据（data），由数据整合与分析构建信息主体，再汇集足够的信息，发展成为知识，有了知识作为决策参考，采取行动，最??取得效益。然而，由图书馆信息服务系统所呈现的数据，无论是数字型态还是文字型态，为满足使用者的需求并将数据做有效的应用，一切基础均在于数据质量。数据质量会影响人们对组织的看法、用户数据整合过程与结果、数据库的应用性、商业智能开发以及商业品牌。因此，图书馆在为用户提供信息服务时，必考虑的要素即是资料或数据质量。 　　1 数据质量管理 　　数据质量是数据满足明确或隐含需求程度的指标。数据质量是主观性的，由使用者决定数据是否适用，或是否高质量的。数据质量评估可分为两类：一是针对数据产品的收集者、保管者、用户的需求与经验等方面进行评估，称之为主观性评估；一是以任务独立性与任务依赖性两方面进行评估，则称为客观性评估。 　　数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的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、预警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获得进一步提高。数据质量管理是循环管理过程，其终极目标是通过可靠的数据提升数据在使用中的价值，并最终为企业赢得经济效益，主要包括：数据分析（profiling）、数据清洗（cleaning）、数据提升（enhancement）、数据匹配与整合（matcheonsolidate）、数据监控（monitoring）等内容。 　　1.1 数据分析 　　通过数据分析的过程使数据收集者能够了解数据以及诊断数据的问题，主要是发掘组织中资源的特征和质量。有效的数据分析可以了解机构背后隐藏的真实的数据内容、结构和关系。有许多机构、公司投入相当多的经费作有关用户关系或信息系统，尝试整合各个单位、部门、用户或产品相关的数据。同时，凭借数据分析可以监控数据结构，将所有的信息与相关的数据库做比对，同时还可以提高数据的价值，发现数据是否有不完整、不正确与混淆的地方。 　　1.2 数据清洗 　　为达到数据的高质量化和提升用户满意度、降低机构的危险性，必须通过校正、标准化与验证检测来强化数据的一致性、正确性与可信度，以作为决策的基础，进而构建一个有用、主动的信息系统，提供正确的信息，以提高机构的效率与竞争力。有效的数据质量可对机构环境有较好的认识，并且降低无效的成本投入。 　　1.3 数据整合 　　数据整合的目的是为了创建数据的单一、战略性视野（single，strategic view）。数据整合不良导致无法提供完整的影像给决策者，而会影响一个企业或组织的用户关系管理（consumer relationship management，CRM）、企业资源管理（enterprise resource management，ERM）、数据仓库及商业智能的原始想法。此外，数据整合并非仅是将数据匹配或链接，而是适时将新的数据加入数据库中，并且确认所汇入或合并的新数据属于高质量的数据。通过内外部资源、电子资源、网络资源等资源整合，实现图书馆全部馆藏信息资源组成的发现与获取。 　　1.4 数据提升 　　数据提升是指将内在或外在的数据资源，应用到本身的机构或组织中，以达到数据的宏观性。同时，增加现有数据的价值也是数据提升的方法之一，如增列封面、书摘、书评和社会化书签等。 　　1.5 数据监控 　　借助数据的监控、核查功能，当数据质量出现下降现象时即刻提出警示，从而可以避免信息系统重复做无用功，并且凭借数据监控与核查可随时反应数据的质量。 　　2 数据质量评价维度 　　2.1 准确性 　　数据准确性用于度量数据的正确性与精确度，数据库收录内容的准确性及客观性，是否来源于学术性较强的权威机构，数据资源对学科的覆盖率，评价指标包括涵盖性、完整性、获取收集过程、测量误差、校正和处理。 　　涵盖性：包括对所提供的数据能针对参照母群体有明确的说明，确认且纪录数据来源不足或在事前定义的范围