我们都听说过数据质量差导致的许多恐怖事情。具有数千万条记录数据的公司，以“（000）000-0000”为客户联系电话，“99/99/99”为购买日期，atv，12个不同的性别价值，没有状态信息的送货地址等。 企业和组织的脏数据造成的成本损失是真实存在的。例如，根据美国邮政局估计，由于数据不佳，他们在2013年花了15亿美元处理无法投递的邮件。数据质量差的原因可能很多，atv，但可以大致分为数据输入，数据处理，数据集成，数据转换和过时数据（随着时间的推移）。

　　那么你可以做些什么来确保您的数据始终保持高质量呢？ 越来越意识到数据质量的关键性，以及数据的不准确如何导致灾难性的后果。 挑战在于如何确保企业为收集/提供相关数据，以及有意义和可持续的方式管理数据，以确保关键主数据的优质黄金记录，并分析高质量数据以实现业务目标。 基于数据质量专家和从业者的最佳实践，我们使用的是6步数据质量框架。

　　1

　　步骤 1- 定义

　　定义数据质量改进的业务目标，数据所有者/利益相关者，受影响的业务流程和数据规则。

示例：

　　目标：确保所有客户记录是独一无二的，准确的信息（例如：地址，电话号码等），跨多个系统的一致数据等。

　　数据所有者：销售副总裁；

　　利益相关者：财务，营销和生产；

　　受影响的业务流程：订单输入，发票等；

　　数据规则：规则1，客户名称和地址应该是唯一的; 规则2，所有地址应根据批准的地址参考数据库进行验证。

　　2

　　步骤 2 - 评估

　　根据定义步骤中规定的规则评估现有数据。 根据多个维度评估数据，如关键属性的准确性，所有必需属性的完整性，多个数据集中的属性的一致性，数据的及时性等。根据数据的数量和种类以及每个企业的数据质量项目的范围， 我们可以使用一些分析工具进行定性和/或定量评估。 这是评估现有政策（数据访问，数据安全性，遵守具体行业标准/指南等）的阶段。

示例：

　　评估唯一的客户记录的百分比（名称和地址）; 关键属性等级的非空值的百分比。

　　3

　　步骤 3 - 分析

　　在多个方面分析评估的结果。 一个分析领域是DQ业务目标与当前数据之间的差距。 另一个分析领域是数据质量差的根本原因（如果是这样）。

示例：

　　如果客户地址超出业务定义的目标不准确，那根本原因是什么？ 订单输入应用程序数据是否验证问题？ 或参考地址数据不准确？

　　如果客户名称在订单输入系统和金融系统之间不一致，是什么原因导致这种不一致？

　　4

　　步骤 4 - 改进

　　根据先前的分析设计和制定改进计划。 这些改进应该了解时间范围，资源和费用。

示例：

　　修改地址的所有应用程序必须对所选地址参考数据库进行验证; 客户名称只能通过订单输入应用程序进行修改; 系统的预期更改将需要6个月才能实施。

　　5

　　步骤 5 - 实施

　　在改进阶段确定最终的解决方案。 了解技术以及业务流程相关变更。 实施全面的“变革管理”计划，确保所有利益相关者得到适当的培训。

　　6

　　步骤 6 - 控制

　　定期验证数据是否符合业务目标和定义步骤中指定的数据规则。 定期向所有利益相关者传达数据质量指标和当前状态，以确保数据质量原则在整个组织中保持不间断。数据质量不是一次性项目，而是一个持续的过程，需要整个组织以数据驱动和数据为中心。 数据质量管理需要从高层重视，以保证企业获得丰厚的收益。

　　写在最后

　　数据质量的管理并不意味着管理好了就可以解决一切的业务问题，这是一个对质量概念的理解问题，所以需要步骤1的定义，也就是首先要定义数据质量目标，针对目标进行评估、分析、改进和找到解决方案。

　　正如文中所描述的，质量的管控是一个持续迭代的不间断过程，需要我们持续的关注和重视。