数据治理成功要素：制定数据质量管理办法及标准

一、数据质量管理是什么

数据质量管理是指为了满足信息系统的需要，对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动。包括建立模式化的操作流程、原始信息的校验以及错误信息的反馈矫正等。主要目的是改善和提高组织的管理水平使得数据质量获得进一步提高。

二、数据治理要成功，数据质量管理很重要 

数据质量管理是循环管理过程，其终极目标是通过可靠的数据提升数据在使用中的价值，并最终为企业赢得经济效益。数据质量管理不仅包含了对数据质量的改善，同时还包含了对组织的改善。数据的质量管理问题从一定的角度反映出组织当中存在的一些问题，而问题的来源可能是数据流动，可能业务流程也可能源于管理问题等等。数据质量问题的分析可以帮助企业提高数据质量。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。高质量的数据对管理决策，业务支撑都有极其重要的作用。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。

三、数据质量管理如何开展

1、定义业务需求与方法

只有明确了业务需求与方法，才能确保要解决的数据质量问题是与业务需求相关的，从而真正的解决业务问题。所以首先要找出由数据质量问题决定好坏的业务，然后评估这些业务需求并按照重要等级排序，作为本次数据质量提升的目标与范围。

2、分析信息环境

识别出业务需求与数据流程、规范、技术和组织之间的关联信息，细化已定义的业务需求，确定数据来源及范围，定义信息生命周期。

3、评估数据质量

从业务需求，进行数据评估，将数据质量评估结果以图表或报告形式准确的表达出来，确保数据问题是与业务需求相关的，使企业管理者直观的了解实际的数据质量情况。

4、评估业务影响

评估影响业务的因素。将业务影响评估结果及时归档，这样，随着时间的推移即便问题被淡化，也能够有迹可查。

5 确定根本原因

确定影响数据质量的根本原因，进而使问题得到有效的解决，达到治标又治本的效果。

6 制定改进方案

通过问题分析及原因确定，有针对性的对已知数据问题进行改进及预防未来类似错误数据的发生。

7 预防未来数据错误

根据解决方案的设计，预防未来错误数据的发生。

8 纠正当前数据错误

根据解决方案的设计，解决现有数据问题。

9 实施控制监控

实施持续的监测，确定是否已经达到预期效果。

10 沟通行动和结果

对结果和项目进展情况沟通，保证整体项目的持续推进。

四、睿治数据质量管理工具的作用

亿信数据质量管理平台以数据标准为数据检核依据，提供从标准定义、质量监控、绩效评估、质量分析、质量报告、重大问题及时告警、流程整改发起、系统管理等数据质量管理全过程的功能。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。亿信数据质量管理平台还包含丰富的质量评价方法，并且易于扩展。系统支持数十种质量评价算法技术，满足业务系统运行、数据中心建设、数据治理过程中各类规则的定义，可完全适应企业未来的数据质量管理需求的变化。