DAMA CDGP论述题和设计题分析：数据质量（二）

目录

1.考题分析

1.1  数据质量考核指标

1.2  数据质量管理的措施

1.3 数据优先级原则

2.总结

---

1.考题分析

1.1  数据质量考核指标

数据质量考核指标有哪些？

为了保证问题数据能够持续得到解决，并确保数据质量的提升，可以将数据质量纳入绩效考核体系考核指标：

1.2  数据质量管理的措施

从数据质量生命周期角度，阐述数据质量管理的措施。

数据质量生命周期和数据管理生命周期一致，都包括：规划、设计和启用、创建或获取、存储或维护、使用、增强、处置。
在规划阶段，定义高质量数据的特征。

在设计和启用阶段，定义系统和流程控制来规避数据问题产生，保持数据质量。

在创建和获取阶段，测量或检查数据，确保数据满足质量要求。

在存储和维护阶段，借助系统和流程检测数据，确保数据能够持续的满足期望。

点评：这道题的答案与构建数据质量管理体系的内容相似度较高。大家可参考上一篇关于数据质量的考题分析，其中的要点和逻辑能够为本题的解答提供有效借鉴 。

1.3 数据优先级原则

设计一套数据质量提升的数据优先级原则。

(1)需要识别重要数据的类别，可根据以下要求评估关键数据：监管报告、财务报告、商业战略和商业政策、企业经营的秘密。

(2)根据以下内容确定数据质量改进的投资回报率，从而决定进行数据质量管理的优先顺序：受影响数据的关键性(重要性排序)；受影响的数据量；数据的龄期；受到问题影响的业务流程数量和类型，受到问题影响的消费者、客户、供应商或员工数量；与问题相关的风险;纠正根本原因的成本；潜在的工作成本。

(3)面对组织范围内存在的大量数据质量问题，我们需要区分一下不同的情景：存量数据问题与增量数据问题；共性数据质量问题与个例数据质量问题；领域数据质量问题与企业级数据质量问题；内部数据质量问题与外部数据质量问题。

点评：数据质量管理的优先级原则，是个热门考点，多选题和设计题都有可能涉及。设计一套完整的数据质量提升优先级原则，需从多维度综合考量，全面统筹。

2.总结

数据管理通过规范流程、制定标准保障数据质量，数据质量则是数据管理成效的直观体现，二者相互依存、协同发展。推动高质量数据集建设，可提升人工智能模型训练精度与泛化能力，增强算法可靠性，为智能决策提供坚实数据支撑 。