确保数据质量的基本步骤

核心提示： 具体性： 要在一个足够低的级别上定义数据质量，从而使之有意义，确保数据质量的基本步骤(2)，每个人都希望获得好的数据质量；但问题是 “好” 对于用户、实体和属性的具体标准是什么， 可测量性： 在定义数据质量后，对于每一个实体，都应该有对应的业务定义（如，对数据进行测量和监

具体性： 要在一个足够低的级别上定义数据质量，从而使之有意义。每个人都希望获得好的数据质量；但问题是 “好” 对于用户、实体和属性的具体标准是什么。

可测量性： 在定义数据质量后，对数据进行测量和监控。

可操作性： 应该在能够选择用于改进数据质量的操作的级别上进行报告。一个数据质量项目也应该有关于如何操作的规定。

现实性： 数据质量并不是一蹴而就的。制定一个预期成果和收益过高的计划是必定要失败的。

时间驱动： 将项目分解成有具体实现日期的可实现的里程碑。

创建一个数据质量项目的其中一种最好的方法是将它与一个战略业务项目绑定。数据质量并不是最终的目标 — 它只是实现目标的手段，它在某种程度上支持、扩展或增强业务。例如，有一个公司制定了在下一年增加零售商店 20% 销售额的目标，那么这个公司可能希望创建一个数据质量项目来保证传递给商店经理关于高附加值产品的信息是准确、及时和精准的。

一个成功数据质量项目的章程、目标和计划应该符合众所周知的项目管理 SMART 要求：具体性、可测量性、可操作性、现实性和时间驱动（见侧边栏，“SMART 数据质量”）。这也是一个处理高级组织问题（如，谁将拥有这个项目以及谁将是主要的股东）和技术问题（如，使用的工具和数据分析的环境）的时机。

范围和定义

当数据质量的目标确定后，下一步就是发现和评估，开始确定项目范围内的数据。通过创立数据实体的拥有者，业务和 IT 团队就能够继续定义数据实体和它们的属性。对于每一个实体，都应该有对应的业务定义（如，数据是什么和为什么它有意义）、技术定义（域大小、类型、关系和层次；预期数据模式或格式；等等）和一个包含与业务规则及格式规则相关的预期可接受价值的质量定义。