4 执行初始数据质量评估

4 执行初始数据质量评估

一旦确定最关键的业务需求和支持它们的数据，数据质量评估的最

重要部分就是实际查看数据、查询数据，以了解数据内容和关系，以及

将实际数据与规则和期望进行比较。第一次这样做时，分析人员会发现

许多事情：数据中未被记录的依赖关系、隐含规则、冗余数据、矛盾数

据等，当然还有实际符合规则的数据。在数据管理专员、其他领域专家

和数据消费者的帮助下，数据治理分析人员需要对调查结果进行分类并

确定其优先级。

初始数据质量评估的目标是了解数据，以便定义可操作的改进计

划。通常最好从聚焦一项较小工作开始——一个基本的概念证明

（

Proof of Concept，POC）——来演示改进过程是如何工作的。步骤包

括：

1）定义评估的目标。这些目标将推动工作进展。

2）确定要评估的数据。重点应放在一个小的数据集，甚至一个数

据元素，或一个特定的数据质量问题上。

3）识别数据的用途和数据的使用者。

4）利用待评估的数据识别已知风险，包括数据问题对组织过程的

潜在影响。

5）根据已知和建议的规则检查数据。

6）记录不一致的级别和问题类型。

7）根据初步发现进行额外的深入分析，以便：

①量化结果。

②根据业务影响优化问题。

③提出关于数据问题根本原因的假设。

8）与数据管理专员、领域专家和数据消费者会面，确认问题和优

先级。9）使用调查结果作为规划的基础。

①解决问题，最好是找到问题的根本原因。

②控制和改进处理流程，以防止问题重复发生。

③持续控制和汇报。

13.2.5 识别改进方向并确定优先排序

在证明改进过程可行后，下一个目标是策略性地应用它。要做到这

一点，需要识别潜在的改进措施，并确定其优先顺序。识别可以通过对

较大数据集进行全面的数据分析来完成，以了解现有问题的广度；也可

以通过其他方式实现，如就数据的影响问题与利益相关方进行沟通，并

跟踪分析这些问题的业务影响。最终，需要结合数据分析人员以及利益

相关方的讨论排定最终优先顺序。

执行全面的数据剖析和分析的步骤基本上与执行小规模评估的步骤

相同：定义目标、了解数据使用和风险，根据规则衡量、记录并与领域

专家确认结果，利用这些信息确定补救和改进工作的优先级。然而，有

时也需要全面分析存在技术方面的障碍。如果要制订有效的行动计划，

则需要在一个分析团队中协调这项工作，并总结和理解总体结果。像小

规模的剖析工作一样，大规模的剖析工作仍然应该集中在最关键的数据

上。

剖析数据只是分析数据质量问题的第一步。它有助于识别问题，但

无法确定问题的根本原因，也无法确定问题对业务流程的影响。确定影

响需要数据链上的利益相关方的介入。在规划大规模分析时，确保分配

足够的时间来共享结果、确定问题的优先级，并确定需要深入分析的问

题。

13.2.6 定义数据质量改进目标

初步评估获得的知识为特定的数据质量提升目标奠定了基础。数据

质量提升可以采取不同的形式，从简单的补救（如纠正记录中的错误）

到根本原因的改进。补救和改进计划应考虑可以快速实现的问题（可以

立即以低成本解决问题）和长期的战略性变化。这些计划的战略重点应

是解决问题的根本原因，并建立问题预防机制。请注意，许多事情都会阻碍改进工作：系统限制、数据龄期、正在

进行的使用有问题数据的项目、数据环境的总体复杂性、文化变革阻

力。为了防止这些限制阻碍质量改进工作的进行，须根据对数据质量改

进带来业务价值的一致性量化，设定具体的、可实现的目标。

例如，根据流程改进和系统编辑，目标可能是将客户数据的完整性

从90%提高到95%。显然，比较初始度量的结果和改进后的结果才能显

示改造的成效。但价值来自改进的好处：减少客户投诉、减少纠正错误

的时间等，通过测量这些东西来解释改进工作的价值。改善数据必须有

积极的投资回报，没有人关心字段完整性的级别，除非有业务影响。当

发现问题时，根据以下内容确定改进的投资回报率：

1）受影响数据的关键性（重要性排序）。

2）受影响的数据量。

3）数据的龄期。

4）受问题影响的业务流程数量和类型。

5）受问题影响的消费者、客户、供应商或员工数量。

6）与问题相关的风险。

7）纠正根本原因的成本。

8）潜在的工作成本