有测量值低于阈值。

现有测量值低于阈值。

②新数据集正在调查中。

③对现有数据集提出新的数据质量要求。

④业务规则、标准或期望变更。

第一次正确获取数据的成本，远比获取错误数据并修复数据的成本

要低。从一开始就将质量引入数据管理过程的成本，低于对其进行改造

的成本。在整个数据生命周期中维护高质量数据，比在现有流程中尝试

提高质量风险更小，且对组织的影响也要小得多。在建立流程或系统时

就确立数据质量标准是成熟的数据管理组织的标志之一。要做到这一

点，需要良好的治理和行为准则以及跨职能的协作。

 

 

 

.2 活动

13.2.1 定义高质量数据

许多人看到质量差的数据时都能辨识出，但是很少有人能够定义高

质量数据，或者他们用非常不严谨的术语定义它：“数据必须是正确

的”“我们需要准确的数据”。高质量的数据能满足数据消费者的需要。

在启动数据质量方案之前，有益的做法是了解业务需求、定义术语、识

别组织的痛点，并开始就数据质量改进的驱动因素和优先事项达成共

识。根据一组问题，可以了解当前状态，并评估组织对数据质量改进的

准备情况。

1）“高质量数据”是什么意思？

2）低质量数据对业务运营和战略的影响是什么？

3）更高质量的数据如何赋能业务战略？

4）数据质量改进需要哪些优先事项的推动？

5）对低质量数据的容忍度是多少？

6）为支持数据质量改进而实施的治理是什么？

7）配套实施的治理结构是什么？

要全面了解组织中数据质量的当前状态，需要从不同的角度来探讨

这个问题：

1）了解业务战略和目标。

2）与利益相关方面谈，以识别痛点、风险和业务驱动因素。

3）通过资料收集和其他剖析形式直接评估数据。

4）记录业务流程中的数据依赖关系。

5）记录业务流程的技术架构和系统支持。

上述评估过程可以揭示大量的机会，这需要根据对组织的潜在利益

进行优先排序。利用利益相关方（包括数据管理专员、业务和技术领域

专家）的输入，数据质量团队应定义数据质量的含义并提出项目优先

级。

 

 

.2.2 定义数据质量战略

提高数据质量要有一定的战略，应考虑到需要完成的工作以及人们

执行这些工作的方式。数据质量优先级必须与业务战略一致。采纳或开

发一个框架及方法论将有助于指导战略和开展战术，同时提供衡量进展

和影响的方法。一个框架应包括以下方法：

1）了解并优先考虑业务需求。

2）确定满足业务需求的关键数据。

3）根据业务需求定义业务规则和数据质量标准。

4）根据预期评估数据。

5）分享调查结果，并从利益相关方那里获得反馈。

6）优先处理和管理问题。

7）确定并优先考虑改进机会。

8）测量、监控和报告数据质量。

9）管理通过数据质量流程生成的元数据。

10）将数据质量控制集成到业务和技术流程中。

框架还应该考虑如何管理数据质量以及如何利用数据质量工具。如

引言一节所述，提高数据质量需要数据质量团队吸引业务和技术人员，

定义一个解决关键问题的工作计划和最佳实践，并制定支持数据质量持

续管理的操作流程。这样的团队通常是数据管理组织的一部分，数据质

量分析人员需要与各级数据管理专员密切合作，并对制度施加影响，包

括有关业务流程和系统开发的制度，即使这样的团队还是无法解决组织

面临的所有数据质量的挑战。数据质量工作和对高质量数据的承诺需要

嵌入组织实践。数据质量策略应该说明如何扩展最佳实践（参见第17

章）。