数据质量怎么量：六个维度和一套规则库.docxVIP

数据质量怎么量：六个维度和一套规则库

「数据质量差」不是判断，是需要被度量的结论。

这句话听起来像常识，但厂里的实际情况通常是反过来的：所有人都同意数据质量差，但没人能说出差多少、差在哪一环、差到什么程度算需要整改。于是开会时的话题会滑向「录入的人不认真」「系统设计不合理」这类归因，而拿不出任何证据。整改也就变成了运动式的：某次专项检查清理了一遍空字段，三个月后同样的字段又空了一半。

度量的价值在于把争论变成数字。本章要做的是：给出六个维度的判定口径，每个维度配一个在核电数据里能查的例子和一条能跑的查询；然后讲数据剖析怎么在整改之前先摸清家底；再讲质量规则库怎么建、阈值怎么定、谁来执行；最后讲根因分析与改进循环——为什么质量不是一次性整改能解决的。

读完这一章，读者应该能拿着任一张表，量出它六个维度上的表现，并判断问题出在源头、通道还是消费端。

11.1六个质量维度的判定口径

先把定义钉住。

??数据质量：本主题的综合定义与来源分界数据质量（DataQuality）：一份数据在多大程度上适合它的用途——既指高质量数据呈现出的特征（准、全、一致、及时），也指衡量并改进这些特征的持续过程。某核电厂的设备台账，对「查某台泵的投运日期」这个用途算高质量，对「统计全厂平均役龄」就可能不合格：同一个3%的型号缺失率，换个用途结论就反了。（综合DMBOK2第13章1.3.1与