大数据时代数据的核心不是“大”，而在于“有价值”，而有价值的关键在于“质量”。做过数据产品的人都会知道，质量高的数据对于产品的意义。
我们常常说人要时刻保持清醒，这样才能不被假象所蒙蔽，数据其实更需要这点，我们需要透过数据挖掘本质，如果数据是不具备完整人格的，缺失完整性、规范性、一致性等维度，那么我们看到的本质也是偏差的。
数据质量管理是为了满足信息利用的需要，对信息系统的各个信息采集点进行规范，包括建立模式化的操作规程、原始信息的校验、错误信息的反馈、矫正等一系列的过程。
数据质量管理不是一时的数据治理手段，而是循环的管理过程，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。
为什么有这么多人强调改善数据质量管理的重要性，是用一种很抽象的比喻描述，如果把整个数据应用比作人体的话，那好的数据就相当于新鲜和沸腾的血液，能让我们的身体充满活力，高效地工作思考。
质量差的血液携带废物和毒素，随着毒素越积越多，血液以及血管就会发生病变，血液流经的全身各处器官也会大受影响。
据专家估计，由于用户拒绝不可靠的数据，导致多达70％的数据仓库项目遭到失败。 据专家估计，糟糕的数据通过使收入受损而会耗费商业机构多达10％～20％的操作总预算。而且，IT部门预算的40％50％之多可能都花在了纠正由糟糕的数据所引起的错误上。 专家认为，由于客户的死亡、离婚、结婚或调离，客户文件中的记录在一个月之内会有2％变得过时。
什么是数据质量管理？
数据质量的现状
数据质量问题产生的常见原因
END
发布者：调研工厂，转载请注明出处：https://baike.survey.work/data-quality-management/
支付宝扫一扫 
