数据质量提升的必要性

发布时间:2022.02.18来源:小亿浏览量:24次标签:数据治理

大数据的概念正在进一步渗透到各个行业与领域当中,随着信息技术和相关基础设施的不断完善,企业业务规模不断扩大,数据呈现了爆发式的增长。伴随着数据量的增长,与大数据相关的技术也在不断成熟,包括数据采集、数据存储、数据传输、数据处理、数据挖掘等一系列环节。大数据类的项目有个特点,那就是都是以数据为核心。数据将作为产生业务价值和实现业务目标的基石,那么数据的质量就变成了这类项目的一个极其重要的因素。数据的质量问题从一定的角度反映出组织当中存在的一些问题,数据质量问题的分析可以帮助企业找到问题的源头。高质量的数据对管理决策,业务支撑都有极其重要的作用。有些项目在初期由于并没有考虑数据质量的因素,导致了项目实施后期才发现,由于数据质量问题所带来的项目失败的风险。在项目的各个环节当中,我们都应当关注数据质量的管理。数据质量是数据治理中重要的一把标尺,而数据治理又是当今企业组织的首要战略重点之一,只有持续的数据质量改进才能推动数据治理体系的完善,为企业数据战略提供坚实的保障。

图片1.png

一、何为数据质量


数据质量,是指在业务环境下,数据符合数据消费者的使用目的,能满足业务场景具体需求的程度。数据的固有属性包括:

1)真实性,数据是客观世界的真实反映;

2)相关性,数据是数据消费者关注和需要的;

3)及时性,数据是随着变化及时更新的;

高质量的数据应从项目、组织、运营、战略、相关方角度、质量管理等满足数据消费者的要求。数据消费者对数据的需求有如下几个方面:

1)正确性,数据是现实世界的真实反映。

2)完整性,数据是完整没有遗漏的;

3)及时性,当需要时,数据获得是及时更新的;

4)安全性,数据是安全的,避免非授权的访问和操控;

5)可得性,当需要数据时能够获取到;

6)可理解性,数据是可理解和解释的;

1645150765(1).jpg

二、企业面临的数据质量问题


数据质量问题按照来源和具体原因,可以分为流程、管理、信息、技术四个问题域。

流程问题域

流程类问题是指由于人工操作流程和系统作业流程设置不当造成的数据质量问题,主要来源于主题分析数据的创建流程、装载流程、传递流程、使用流程、维护流程和稽核流程等各环节。

管理问题域

管理类问题是指由于管理机制方面及人员素质的原因造成的数据质量问题,如培训和奖励、人员管理等方面的措施不当导致的管理缺失。

数据质量提升的必要性

信息问题域

信息类问题是由于对数据度量标准以及数据本身的描述理解的偏差而造成的数据质量问题。产生这部分数据质量问题的原因主要有:数据度量的各种性质得不到保证和变化频度不恰当、元数据描述及理解错误等。

技术问题域

技术类问题产生的直接原因是技术实现上的某种缺陷,由于具体数据处理的各技术环节的异常造成的数据质量问题。数据质量问题的产生环节主要包括数据获取、数据创建、数据装载、数据传递、数据使用、数据维护等方面的内容。


三、数据质量提升的必要性


数据是企业最有价值的资产之一。企业的数据质量与企业经营业绩之间有着直接的关系。高质量的数据可以保持公司的竞争力,在经济动荡时期立于不败之地;而低质量数据往往会导致错误的业务决策。能够为企业提供洁净、结构清晰的数据,是企业开发业务系统、提供数据服务、发挥数据价值的必要前提。

好的数据治理平台就可以让数据质量变好,改善数据的质量,睿治智能数据治理平台由亿信华辰自主研发,是一款融合数据治理十大产品模块,覆盖数据全生命周期管理的应用平台,也是目前国内功能齐全的数据治理工具,助力数据标准落地,提升数据质量,实现数据资产融合

睿治数据质量管理平台以数据标准为数据检核依据,以元数据为数据检核对象,通过向导化、可视化等简易操作手段,将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合,形成完整的数据质量管理闭环。

(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 确保数据治理正确 - 为医疗机构提供五个机会

    确保数据治理正确 - 为医疗机构提供五个机会

    医疗保健组织拥有的数据非常有价值 - 它可能是他们拥有的最有价值的资产。在个人层面,患者数据通常包含了解疾病和潜在康复的关键。从更广泛的……查看详情

    发布时间:2019.02.25来源:亿信华辰浏览量:17次

  • 领导者的数据治理:将数据战略转化为行动

    领导者的数据治理:将数据战略转化为行动

    数据随处可见,物联网和不同数据源,数据源,渠道和数据消费者的互联性日益增强。……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:21次

  • 盘点数据治理的6个价值

    盘点数据治理的6个价值

    ​随着大数据的发展,各行各业都面临越来越庞大且复杂的数据,这些数据如果不能有效管理起来,不但不能成为企业的资产,反而可能成为拖累企业的“……查看详情

    发布时间:2022.06.15来源:互联网浏览量:16次

  • 主数据管理主要管理哪些数据?

    主数据管理主要管理哪些数据?

    主数据主要管理多百个业务系统中共享的重要数据,比如公司组织架度构、物料编号、客户资料等等数据,国知辰机器人的主数据管理系统(MDM)能够……查看详情

    发布时间:2020.04.29来源:知乎浏览量:10次

  • 数据质量提升的必要性

    数据质量提升的必要性

    高质量的数据对管理决策,业务支撑都有极其重要的作用。有些项目在初期由于并没有考虑数据质量的因素,导致了项目实施后期才发现,由于数据质量问……查看详情

    发布时间:2022.02.18来源:小亿浏览量:24次

  • 数据要素跑步入场,如何构建大数据治理体系?

    数据要素跑步入场,如何构建大数据治理体系?

    通俗来说,数据治理就是预防、诊断和治疗与数据有关的一切“病症”。亿信华辰智能数据治理平台——“睿治”就是根治病症的良药。……查看详情

    发布时间:2021.05.13来源:亿信数据治理知识库浏览量:12次

  • 数据治理流程中,最重要的3点都在这

    数据治理流程中,最重要的3点都在这

    数据治理能够带来的好处就在于,更高效地帮助企业将数据价值转化成实际的业务价值。数据“井喷”仍在进行,机器学习、AI等这类十分依赖数据质量……查看详情

    发布时间:2021.05.10来源:亿信数据治理知识库浏览量:35次

  • 灵活的分析数据生命周期?

    灵活的分析数据生命周期?

    受监管实验室数据完整性指南的要求之一是数据生命周期,涵盖监管记录的生死。数据生命周期在最近的MHRA数据完整性指南中定义为“从生成和记录……查看详情

    发布时间:2018.12.27来源:数据治理浏览量:17次

  • 影响企业大数据分析的三大误区

    影响企业大数据分析的三大误区

    我们现在身处一个虚拟时空交易与现实时空交付的数字化时代。数字化正在各行业快速发展,许多企业将会经历前所未有的改变。数据正发挥着越来越重要……查看详情

    发布时间:2022.03.08来源:小亿浏览量:18次

  • 金融行业大数据标准体系设计

    金融行业大数据标准体系设计

    金融大数据标准体系可分为基础标准、业务标准、治理标准和技术标准四大类。各类标准之间相互联系、相互约束、相互补充,共同构成完整的统一体。同……查看详情

    发布时间:2019.12.27来源:CSDN浏览量:23次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议