数据质量管理5要素数据质量报告.docx

数据质量治理 5 要素数据质量报告 数据质量治理是一个长期的过程，除了选择适宜的软件以外，制 订数据标准、标准流程同样重要。 .建立数据的标准，明确数据的定义。通常，独立的应用系统会有一 个比较模糊的、有时也会有比较清楚的数据标准和数据定义。为了保 证系统的正常运行，这些系统的用户必需在数据的标准和数据的定义 上达成全都。不过，这些标准和定义大多数时候与企业中其他系统中 的数据标准和定义并不全都。因此，需要从整个企业的角度动身，建 立统一的数据标准和数据定义，同时，整个企业必需就这个数据标准 和数据定义达成共识。这一句话说起来简洁做起来难。由于人通常本 能地会拒绝转变， 转变数据标准和定义并不是轻而易举的。为此，强 烈建立在企业中除了设立一个高管级别的数据质量治理委员会外，还 需要选定一个执行力量强的工程负责人，需要他推动相关人员承受 的数据标准和定义。 在具体建立的数据标准和数据定义时，需要认真权衡，哪些定义和 标准是出于企业内部的缘由〔比方出于便利、习惯等〕制订的，哪些 定义和标准是由于要有效反映外部的真实世界而制订的。相对而言， 前者更简洁执行一些。 .建立一个可重复的数据收集、数据修改和数据维护流程。数据治理 面临的两个主要挑战是企业本身的简单性和身份信息不断变化。这两 特性归纳为数据的全都性、数据的准确性、数据的完整性、数据的及 时性 4 个 关键特性。 (1 全都性的量