数据质量管理５要素

数据质量管理要素 数据质量管理是一个长久的过程，除了选择适宜的软件以外，制订数据标准、规范步骤一样主要。 新一代用户数据整合软件和主数据管理软件给数据质量的管理带来了很大方便。不过，数据质量的确保仅靠软件显然是不行的。实际上，在整个数据质量的控制过程中，人依然是关键原因。比如，仅仅数据的录入就包括大家: 销售人员会录入用户信息和交易数据，用户服务部门的工作人员除了录入交易数据外，还会录入所服务企业的新的联络人，订单录入人员会输入用户身份信息。一样，出于销售、市场推广、计费等原因，在企业内还会有大家对这些数据进行修改、更新。借助用户数据整合软件和主数据管理软件的帮助，大家能够把上述多种在不一样时期因为不一样目标而生成的数据进行一定程度的整合和清理，不过要想真正长久确保数据的高质量，还必需从以下5个方面着手。1. 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。为了确保系统的正常运行，这些系统的用户必需在数据的标准和数据的定义上达成一致。不过，这些标准和定义大多数时候和企业中其它系统中的数据标准和定义并不一致。所以，需要从整个企业的角度出发，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。这一句话说起来轻易做起来难。因为人通常本能地会拒绝改变，改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置一个高管等级的数据质量管理委员会外，还需要选定一个实施能力强的项目责任人，需要她推进相关人员接收新的数据标准和定义。在详细建立新的数据标准和数据定义时，需要仔细权衡，哪些定义和标准是出于企业内部的原因制订的，哪些定义和标准是因为要有效反应外部的真实世界而制订的。相对而言，前者更轻易实施部分。2. 建立一个可反复的数据搜集、数据修改和数据维护步骤。数据管理面临的两个关键挑战是企业本身的复杂性和身份信息不停改变。这两个客观原因的存在意味着企业的数据质量确保行动永远没有结束之日，所以，企业在制订数据质量的确保方法和数据质量指标时，必需确保这些方法和指标能够不停反复。3. 在数据转化步骤中设置多个性能监控点。数据的质量高低能够依据最终用户的需求来评价，也能够经过和同类数据源的比较来评价，还能够经过和前一阶段的数据质量进行比较来评价。但在制订数据质量的战略时，比较理想的措施还是依据最终用户的需求来进行。不过这里存在一个问题是，等到最终用户拿到数据时再针对数据的问题进行修正已经太迟了。一个有效的数据质量确保措施是在每当数据发生转换后就和前一时期进行比较，从而对数据质量进行评定。假如以前所采取的数据质量改善方法有利于提升最终用户的满意度，那么，这些中间指标的达标也预示着项目标最终成功。4. 对步骤不停进行改进和优化。我们经常听到有些人说，她们制订了很多措施来快速而且大幅度提升数据的质量，但极少听说最终她们能真正得到满意的结果。其原因就在于数据的质量改善绝非一朝一夕的事情，而是一个连续的过程。正确的措施是经过一个不停改善的步骤，连续不停地排除错误、对数据进行整合和标准化，最终达成步骤的自动化，从而降低数据质量确保计划的总体开销。实际上，排除错误、数据整合和数据标准化历来就不是一件轻易的事情。数据质量管理计划的责任人将配合企业高管组成的数据质量管理委员会来确保这个步骤的顺利实施。要注意的是，作为该项目标责任人，不能墨守成规，仅仅因为自己以前一向采取某种方法，就要求他人也必需采取这一方法，尤其是当发觉这些方法成本高昂的时候，就应该考虑换一个方法了。5. 把责任落实到人。通常，我们认为那些和数据的产生、维护相关的人员是负责任的，不过，很有可能，她们有很多其它的工作要做，所以作为数据质量的责任人光有善良的想法是难以提升数据的质量，很有可能一辈子也达不到目标。对于那些负责数据的产生、数据的合理化和对数据进行清理和维护的人，应该给她们的活动制订明确的指标，这么她们才能真正了解大家到底期望她们达成什么目标。更主要的，她们还需要针对这些指标细化对她们自己的要求，当然，她们会因为达成或超出这些指标而得到奖励。其中，一个实施力强的责任人的价值表现出来，她会针对详细情况适时调整数据质量的目标。最终，再次强调考虑和数据管理和数据质量的改善项目相关的人的原因，她们的行为是很主要的。从某种程度上说，要比详细选择什么软件要主要得多。上述5点有利于帮助组织规范数据质量管理中和人相关的步骤。链接提升数据质量的三个步骤因为大多数系统和应用程序会连续不停接收到新数据，数据量也在不停增加，所以确保数据质量并不是一次就能完成的。全部企业全部应该使用一个重复进行的阶段性过程来管理数据质量，此过程包含数据质量评定、计划和策略的选择和实施。第一步对数据质量进行评定。评定目前的数据质量状态是第一步。对数据质量进行评定能帮助企业正确地了解数据的内容、质量和结构。主管人员参加数据质量评定和分析在数据检验过程中发觉的问题对于数据质量评定来说全部很主要。在最有效的数据质量评定中，全部问题全部将根据对业务影响从大到小的次序列出，这将帮助IT机构节约项目成本。第二步，制订数据质量计划。根本了解企业数据的内容和质量后，接下来的步骤是制订一个计划，来修改目前的错误并避免未来错误的发生。有效的计划不仅能够提升企业目前全部应用程序中数据的质量，还将制订部分方法以确保新应用程序从一开始就遵照数据质量规则。第三步，选择和实施数据质量策略。选择改进企业数据质量的策略，要求决议者权衡每个数据质量计划的成本和该策略产生的影响。现在的策略类型有两种: 在企业输入数据时提升数据质量的方法称为“上游”方法，而从运行系统提取数据的应用程序中改进数据质量的方法是“下游”方法。上游策略研究目前应用程序的逻辑、数据和步骤，处理检验过程中发觉的异常情况。此策略可能包括到更改应用程序逻辑、添加更加好的表验证、改进和数据输入相关的步骤，它致力于企业数据的高正确性。另外，此策略还要求使用应用程序本身附带的数据质量功效。下游策略处理目标应用程序或数据仓库中的数据质量问题。因为数据能够依据需要随时进行修改，因此企业能够在步骤中改进数据质量。下游策略仅为目标应用程序或数据仓库改进数据质量，但和上游策略相比，它的实施过程更简单，成本更低。