论数据质量管理的研究及作用.docxVIP

论数据质量管理的研究及作用 　　从目前企业数据质量管理现状看来，数据生命周期被系统使用单位和系统割裂，按传统建设思路，随着业务管理水平提升自发形成的结果，并且数据问题很难被追溯；按系统边界进行数据质量管理，系统间数据冗余、不一致的现象较为严重；在目前信息化时代，仍然依赖大量手工报表进行数据分析，存在数据失真的可能。 　　这主要归根于两方面原因，其分析如下技术原因方面分析基础数据分散在不同系统中由不同人员重复维护，产生多个版本；没有集中产生数据编码，不严格执行数据标准，导致对象无法被唯一识别；缺乏基础数据的实时共享和同步机制，缺乏基础数据的权威数据源定义，最终导致数据不一致。 　　数据管理责任方面分析谁创建，谁负责；谁使用，谁监督。 　　此责任原则确定不完全恰当，有时候数据创建部门仅仅接受其他部门的数据录入要求，此时他们仅能为是否录入正确负责，作为数据负责部门未必恰当；未明确多个创建部门和使用部门情况下的数据责任，如有多个创建部门，如何一起负责，管理流程是怎么样的；存在权利和义务不对等，只强调了数据创建部门的义务，没有强调该权利；只强调了数据使用部门的权利，没有强调义务；数据使用过程中某些部门的职责未明确，数据使用过程中还涉及一些其他部门，未定义其职责，且未明确各部门在数据管控各项活动中的职责。 　　迫切的现实需求，数据价值充分体现了建立一体化的数据质量管理体系势在必行。 　　数据资源管理组织及认责体系不完善；数据资源管理的流程不完整；数据资源管理的技术支撑不足；数据标准及数据规划落地执行不足。 　　电力企业需建立并落实数据质量管理评估、数据质量认责和数据质量稽查等工作，使其常态化。 　　可以按照如下5个方面进行常态化工作开展。 　　岗位落实方面按照数据质量及实用化工作方案及相关细则，设置数据质量及实用化管理岗位，明确定义人员职责，完成相关培训。 　　工作执行方面根据企业制定的数据质量管理工作方案，执行日常数据质量管理工作，及时补充完善数据质量管理校验规则，按时按质开展日常数据质量检查，对数据质量报告、评价报告等及时反馈，解决相关数据质量问题。 　　水平提升方面根据企业制定的数据质量管理专项工程的工作目标和工作要求，开展常态数据稽查和数据巡视工作，持续提升数据质量管理水平，满足数据质量管理问题的解决完成率、及时率等指标要求。 　　数据质量及实用化评价方面衡量信息系统数据质量管理水平的量化指标，具体包括系统覆盖率、数据完整率、数据及时率、数据准确率、数据一致率、数据合规率等。 　　数据稽查和数据巡视评价方面衡量数据稽查和数据巡视工作开展情况的量化指标，具体包括数据稽查和数据巡视工作及时率、任务完成率等。 　　将上述5个方面的常态化工作分阶段，可分为4个阶段开展工作。 　　计划准备及启动阶段确定数据质量管理的工作方案，制定详细工作计划，召开项目启动会并进行业务蓝图宣贯；明确工作目标及各部门人员工作职责及要求。 　　诊断分析阶段针对具体业务功能点及数据质量管理要求，制定详细的访谈提纲；对各业务部门进行访谈。 　　了解业务难点，收集问题，对问题进行分析，编制诊断分析报告。 　　问题整改阶段在诊断分析阶段工作成果的基础上，制定详细的整改工作方案，编制实用化推进规划报告；协助业务部门进行问题整改，及时追踪问题整改进度，并更新整改状态。 　　推进阶段及跟踪跟进高数据质量管理推进工作，汇总、反馈进展情况，进行阶段性评价检查，最终实现数据质量管理水平的提升。 　　数据质量管理平台设想数据质量管理平台是电力企业核心主数据的唯一数据源，业务系统只保留本地副本。 　　核心主数据的创建和修改审批流程由业务系统完成，满足主数据约束条件后，在平台上完成数据的变更，再修改本地副本。 　　各业务系统在设计、开发过程中应充分考虑并遵循这一原则。 　　平台应支持数据质量和实用化评价、数据监控、数据稽查、数据认责、数据清理、数据巡视、数据质量知识库等内容，满足各级用户的数据质量和实用化管理需求。 　　平台以集中管理核心主数据、统一标准管理、统一编码管理、统一数据质量管理4个方面来定位。 　　集中管理核心主数据唯一可信数据源，为企业提供完整的、实时的、准确的、一致的核心主数据视图，实现企业核心主数据的唯一识别、统一标识、集成和共享。 　　统一标准管理标准的维护、查询、版本管理、发布等功能。 　　统一编码管理基于企业信息分类和编码定义的各类业务编码规则，统一为各相关业务系统分配标准编码。 　　统一数据质量管理发现、分析、跟踪各相关系统数据质量问题，加强和提升企业数据质量事后管理能力。 　　平台设计原则遵循规范性和统一性的原则，此原则坚持统一管理、统一规划、统一标准、统一建设的基本原则；遵循统一数据资源管理平台的功能规