确保数据质量的基本步骤

核心提示：几乎所有人都认为数据质量是非常重要的，当然，确保数据质量的基本步骤，很差的数据质量的结果显然是很麻烦的：任何组织都依赖于数据来作出战略管理决策、向客户提供服务和实现过程及时间轴，如果数据陈旧、不一致、不符合逻辑或根本就是错误的，保证数据质量需要同时了解技术和业务需求， 策略和设置目标SMART 数据质量SMART 助记

几乎所有人都认为数据质量是非常重要的。当然，很差的数据质量的结果显然是很麻烦的：任何组织都依赖于数据来作出战略管理决策、向客户提供服务和实现过程及时间轴。如果数据陈旧、不一致、不符合逻辑或根本就是错误的，那么它可能会使公司损失时间、客户和收益。此外，展示数据质量通常是法规遵从性的一个要求。

尝试开发一个全面的能够维持和改进数据质量的项目看起来似乎是无从下手的。在本文中，我们将介绍与成功的数据质量项目有关的重要概念。我们也将通过一个与具体业务需求紧密相关的项目来介绍一个用于启动数据质量项目的计划。

什么是数据质量？

创建一个成功的数据质量项目的第一步是理解在一个特定组织中数据质量的意思是什么。一般来讲，高质量数据就是要 “满足使用要求”：它是可信的，适合它的预期使用目的。评估一组数据是否满足条件有几个判断标准：正在使用的是什么数据，谁在使用这些数据，他们使用数据的方式是什么，他们什么时间使用数据，以及为什么使用数据？如果组织在多个业务线、部门和其他实体之间共享数据，情况会变得更复杂。很明显，要有效地测试数据质量，必须在实体层，甚至在属性层定义数据质量。

数据质量可以使用许多方式衡量，包括准确性、可靠性、时间轴、相关性、完整性和一致性。当然，不同的组织会有不同的优先级。然而，重要的是要认识到其中包括技术和业务方面的数据质量，而且这两方面都很重要。满足技术质量标准（如保持一致、格式正确、定义明确）但是用户并不认为可靠、准确和可用的数据对组织影响较小。简而言之，保证数据质量需要同时了解技术和业务需求。

策略和设置目标

SMART 数据质量

SMART 助记符是项目管理理论的一个重要内容，但是它也非常适用于数据质量领域。这里有一些 SMART 要求是您在数据质量项目中应该遵循的：