改善数据仓库和业务信息质量

Larry English在《改善数据仓库和业务信息质量》（

Improving Data

Warehouse and Business Information Quality，1999）一书中提出了一套

综合指标，分为两大类别：固有特征和实用特征[6]。固有特征与数据使

用无关，实用特征是动态的，与数据表达相关，其质量价值依赖数据的

用途而不同。

（

1）固有质量特征

1）定义的一致性。2）值域的完备性。

3）有效性或业务规则一致性。

4）数据源的准确性。

5）反映现实的准确性。

6）精确性。

7）非冗余性。

8）冗余或分布数据的等效性。

9）冗余或分布数据的并发性。

（

2）实用质量特征

1）可访问性。

2）及时性。

3）语境清晰性。

4）可用性。

5）多源数据的可整合性。

6）适当性或事实完整性。

2013年，DAMA UK发布了一份白皮书，描述了数据质量的6个核

心维度：

1）完备性。存储数据量与潜在数据量的百分比。

2）唯一性。在满足对象识别的基础上不应多次记录实体实例（事

物）。

3）及时性。数据从要求的时间点起代表现实的程度。

4）有效性。如数据符合其定义的语法（格式、类型、范围），则

数据有效。

5）准确性。数据正确描述所描述的“真实世界”对象或事件的程

度。

6）一致性。比较事物多种表述与定义的差异。

DAMA UK白皮书还描述了对质量有影响的其他特性，但没有将这

些指标称为“指标”，它们的工作方式类似于Strong-Wang的语境和表达

数据质量特征，以及English的实用性特征。1）可用性（Usability）。数据是否可理解、简单、相关、可访问、

可维护，且达到正确的精度水平？

2）时间问题（Timing Issues）（超出时效性本身）。是否稳定，是

否对合法的变更请求做出及时响应？

3）灵活性（

Flexibility）。数据是否具有可比性，是否与其他数据

有很好的兼容性？是否具备可用的分组和分类？是否能被重用？是否易

于操作？

4）置信度（Confidence）。数据治理、数据保护和数据安全等管控

是否到位？数据的可信性如何，它是否经验证的或是可验证的？

5）价值（Value）。数据是否有良好的成本/收益实例？是否得到了

最佳应用？是否危及人们的安全、隐私或企业的法律责任？它是否支持

或无助于建立企业形象或企业信息？

虽然不存在单一的、一致认可的数据质量维度集，但这些表述包含

了一些共同的看法：维度包括一些可以客观衡量的特征（完整性、有效

性、格式一致性），以及依赖于情境或主观解释的其他特征（可用性、

可靠性、声誉）。无论使用什么名称，维度都集中在是否有足够的数据

（完整性），数据是否正确（准确度、有效性），数据是否符合要求

（一致性、完整性、唯一性），数据是否最新（及时性）、可访问性、

可用性和安全性。表13-1列示了一组有着普遍一致性的数据质量维度定

义，并描述了测量它们的方法