一、什么是數據質量管理？
數據質量管理是一個集方法論、技術、業務和管理為一體的解決方案。通過有效的數據質量控制手段，進行數據的管理和控制，消除數據質量問題進而提升企業數據變現的能力。在
數據治理過程中，一切業務、技術和管理活動都圍繞這個目標和開展。數據質量管理的目的是為了解決企業內部數據使用過程中遇到的數據質量問題，提升數據的完整性、準確性和真實性，為企業的日常經營、精準營銷、管理決策、風險管控等提供堅實、可靠的數據基礎。
二、數據質量問題盤點
數據準確性：用于分析和識別哪些是不準確的或無效的數據，不可靠的數據可能會導致嚴重的問題，會造成有缺陷的方法和糟糕的決策。
數據真實性：數據必須真實準確的反映客觀的實體存在或真實的業務，真實可靠的原始統計數據是企業統計工作的靈魂，是一切管理工作的基礎，是經營者進行正確經營決策必不可少的第一手資料。
數據完整性：不完整的數據所能借鑒的價值就會大大降低，也是數據質量問題最為基礎和常見的一類問題。數據完整性問題包括模型設計不完整、數據條目不完整、數據屬性不完整等。
數據唯一性：用于識別和度量重復數據、冗余數據。重復數據是導致業務無法協同、流程無法追溯的重要因素，也是數據治理需要解決的最基本的數據問題。
數據關聯性：指存在數據關聯的數據關系缺失或錯誤，例如：相關系數、函數關系、索引關系、主外鍵關系等。存在數據關聯性問題，會直接影響數據分析的結果，進而影響管理決策。
數據及時性：指能否在需要的時候獲到數據，數據的及時性與企業的數據處理速度及效率有直接的關系，是影響業務處理和管理效率的關鍵指標。
數據一致性：包括數據實體不一致、多源數據的數據模型不一致、命名及含義不一致、數據編碼不一致、生命周期不一致、分類層次不一致等。相同的數據有多個副本的情況下的數據不一致、數據內容沖突的問題。
三、如何搭建數據質量管理平臺
1、組織環境
一個強有力的數據管理組織的建設是數據治理項目成功的最根本的保證。其作業是兩個層面：一是在制度層面，制定企業數據治理的相關制度和流程，并在企業內推廣，融入企業文化。二是在執行層面，為各項業務應用提供高可靠的數據。
2、數據質量管理方針
數據質量問題影響的不僅僅是信息化建設的成敗，更是影響企業降本增效、業務創新的核心要素，對于數據質量問題的管理，深度執行的總體策略“垃圾進，垃圾出（garbage in，garbage out）”，采用事前預防控制、事中過程控制、事后監督控制的方式進行數據質量問題的管理和控制，持續提升企業數據質量水平。
3、數據質量問題分析
1）定義階段
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。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。
2）測量階段
選取數據唯一性、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。
3）分析階段
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。
4）改進階段
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。
5）控制階段
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。
