通過數據標準和質量管理平臺來解決業務系統運行、數據倉庫建設及數據治理過程中的數據質量問題。以標準化的數據質量規范為基礎，運用元數據、數據質量規則、工作流、評分卡、可視化等技術幫助項目建立數據質量管理體系，提升數據的完整性、規范性、及時性、一致性、邏輯性，降低數據管理成本，減少因數據不可靠導致的決策偏差和損失。

為加速推進國有企業數字化轉型，國務院國資委設立年度重大課題《國有企業數字化轉型路徑研究》，研究國內外數字化轉型發展規律和先進理念，分析國有企業數字化轉型痛點難點，提煉成功經驗、實踐模式、發展方向和對策舉措，形成國有企業數字化轉型報告，而數字換轉型的基礎就是高質量的數據，在《數據安全法》中定義了數據作為基礎設施建設。

基于信息化技術和互聯網技術的迅速發展,數據量呈噴井式增長,數據類型也逐漸增多,并且復雜程度越來越高,現代社會已進入大數據時代.在這種背景下,要想充分發揮大數據的應用價值,必須加強數據質量管理力度。

通過數據質量工具的引入，主要滿足基于湖的數據治理工作要求，實現數據探查的自動化、提高數據質量檢核的易用性和可用性，提升數據探查和質量檢核效率，達到入湖系統的數據探查應檢必檢的目標。

1、智能化落標
通過元數據名稱、元數據代碼、數據標準名稱，結合相似度算法和機器學習等智能推薦元數據和相似的數據標準進行落標，實現落標智能化。

2、質量規則自動化
將質量標準的業務描述轉化為質量規則，避免人工配置，以及對質量標準理解不同而導致的規則不同的問題，實現質量規則自動化。

3、實現治理前的數據探查
在進行數據治理之前，對入湖數據進行初步的“體檢”，包括對空值率、落標率、數據類型、值域分布等數據項的查詢，形成數字畫像。

4、建立完善的數據質檢機制
自動化標準質量規則+自定義質量規則，配合周期性質檢方案和完整的質檢報告，提升入湖數據可信度。

1、智能算法升級落標效率
機器學習和相似度算法結合，將現有元數據和數據標準已落標的數據進行模型訓練，并且結合所有數據標準的中英文名相似庫，實現更加精準和智能的落標效果。

2、完整的數據質量管控流程
通過數據質量標準所形成的規則和自定義的復雜質量檢查規則，結合質量評分和質量方案預警機制，從而實現對數據的質量長期有效的實時監控，并且可結合流程進行線上、線下管理，完成問題數據整改和跟蹤。