智能數據治理平臺

睿治作為國內功能最全的數據治理產品之一，入選IDC企業數據治理實施部署指南。同時，在IDC發布的《中國數據治理市場份額》報告中，連續四年蟬聯數據治理解決方案市場份額第一。

在線免費試用 DEMO體驗視頻介紹

睿治智能數據治理平臺

IDC蟬聯數據治理解決方案市場第一

數據質量分析定義的六個階段

時間：2019-12-06來源：知乎瀏覽數：1606次

（1）定義階段（D階段）。界定數據質量治理的范圍，并將數據質量改進的方向和內容界定在合理的范圍內。通過使用主數據識別法、專家小組法、問卷調查法、漏斗法等方法，定義出數據治理的對象和范圍。企業數據質量治理對象一般主要包括兩類數據：一類是操作型數據，例如：主數據、參照數據和交易數據。另一類是分析型數據，例如：主題數據、指標數據等。注：根據筆者經驗以及80/20法則，企業的數據質問題80%是由于管理不當或業務操作不規范引起的，參考：《主數據的3大特點、4個超越和三個80/20原則》。

（2）測量階段（M階段）。在定義出數據治理對象和內容后，需要選取以下若干個指標來作為數據質量評價指標，建立數據質量評估模型，對企業的數據進行評估和測量。常用的數據質量評價指標就是我們上述提到的：數據唯一性、數據完整性、數據準確性、數據一致性、數據關聯性、數據及時性等。

（3）分析階段（A階段）。基于數據質量評估模型，執行數據質量分析任務，通過數據分析，找到發生數據質量問題的重災區，確定出影響數據質量的關鍵因素。數據治理和大數據分析是密不可分的，數據治理的目標是提升數據質量從而提高數據分析的準確性，而大數據分析技術也可反向作用于數據治理，通過大數據分析算法和大數據可視化技術，能夠更準確、更直觀的定位到發生數據質量問題的癥結所在。該階段可以用的大數據技術包括：回歸分析、因子分析、魚骨圖分析、帕累托分析、矩陣數據分析等。

（4）改進階段（I 階段）。通過制定改進管理和業務流程、優化數據質量的方案，消除數據質量問題或將數據質量問題帶來的影響降低到最小程度。我們一直在強調數據質量的優化和提升，絕不單單是技術問題，應從管理和業務入手，找出數據質量問題發生的根因，再對癥下藥。同時，數據質量管理是一個持續優化的過程，需要企業全員參與，并逐步培養起全員的數據質量意識和數據思維。該過程主要用到方法：流程再造、績效激勵等。

（5）控制階段(C階段）。固化數據標準，優化數據管理流程，并通過數據管理和監控手段，確保流程改進成果，提升數據質量。主要方法有：標準化、程序化、制度化等。