企业数字化,一定要注意数据质量管理!数据质量的5大评价指标都满足吗?
数据质量管理的定义和目的
数据质量管理是指对是指对数据从产生、获取、存储、共享、维护、应用等数据全生命周期可能出现的各类数据质量问题,进行识别、检测、度量、预警以及处理等一系列管理活动。数据质量管理的目的是通过提升数据的完整性、准确性和真实性,为企业提供坚实、可靠的数据基础,提升数据的使用价值,对企业的日常经营、精准营销、管理决策、风险管理等领域发挥积极有效作用。
数据质量的评估维度如何判断数据质量的优劣?从哪些方面可以评估数据质量?
在实践中,我们认为一般可以通过数据质量评估维度进行评估。数据质量评估维度是数据质量的特征之一,它们为度量和管理数据的质量提供了一种途径和标准。在一个具体的数据质量项目中,要选择最适用于业务需求的数据质量维度进行测量,以评价数据的质量。
在《GB/T36344-信息技术数据质量评价指标》中,国家标准化管理委员会明确了数据质量的评价指标框架。数据质量的评价指标包括以下几个:
规范性:数据符合数据标准、数据模型、业务规则、元数据或权威参考数据的程度。
完整性:按照数据规则要求,数据元素被赋予数值的程度。
准确性:数据准确表示其所描述的真实实体(实际对象)真实值的程度。
一致性:数据与其他特定上下文中使用的数据无矛盾的程度。时效性:数据在时间变化中的正确程度。
可访问性:数据能被访问的程度。国际数据管理协会(DAMA)在其发布的《DAMA数据管理知识体系指南》提出了其数据质量评估框架:对于数据质量的评估指标在国家标准、国际实践中存在一定的差异,企业应根据自身业务实际情况,在内部管理要求下建设适合的数据质量评估体系、维度和指标。
企业的数据质量管理工作应从以上数据质量的评价指标出发,提高数据价值。在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。