本文详细阐述了数据质量保证的各个阶段，从管理层面的数据质量标准到业务层面的关键对象识别，再到业务和技术结合的规则制定和数据质量管理流程。通过逆向数据建模、数据标准化、ETL过程以及数据质量系统的应用，确保数据的完整性、唯一性、有效性和一致性。同时，强调了数据质量诊断、错误分析和清洗的重要性，以持续提升数据质量。
1、管理层面：
数据质量标准（完整性、唯一性、有效性、一致性、正确性）；
数据质量针对具体的数据内容，进行数据内容进行系统检查；
2、业务层面：
数据质量关键对象（CTQ）：业务上最重要的部分对应的数据；
对已发现的问题进行访谈调查，
数据剖析：
数据概要分析，对数据源表中值进行系统化的预先分析，可以帮助发现业务的实际规律，从而补充考核规则；
3、业务+技术
业务规则（BR：Bussiness Rule）：
转换成SQL或应用程序进行检查；
数据质量的测定
最低0.47元/天 解锁文章
扫一扫
1044
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
