智能數據治理平臺

睿治作為國內功能最全的數據治理產品之一，入選IDC企業數據治理實施部署指南。同時，在IDC發布的《中國數據治理市場份額》報告中，連續四年蟬聯數據治理解決方案市場份額第一。

在線免費試用 DEMO體驗視頻介紹

睿治智能數據治理平臺

IDC蟬聯數據治理解決方案市場第一

一文說明數據質量與數據治理的關系

時間：2020-07-09來源：瀏覽數：1146次

數據作為一種資產，對于一個公司來說，數據的核心價值可以理解為核心商業價值，我個人認為是體現在兩方面，一是能為企業帶來更多的盈利，二是能為企業規避風險。
實現數據價值就需要進行業務數據分析和價值挖掘，對于大多數數據分析師來說，數據分析方法和技術都不存在問題，只要有干凈完備的數據，數據價值都可以得到呈現，但是如果數據本身是錯的，分析出來的結論未必有用，保證數據質量是大數據為企業帶來價值的先決條件。但是大部分企業尤其是傳統型企業，對于數據資源沒有質量管理意識，也不懂得如何進行數據治理，導致數據質量很差，主要體現在以下幾方面：數據缺失、數據孤島、數據失真等，導致無法利用數據資源獲取更多的商業價值。

數據是資源、數據分析是工具、數據結論是價值。工欲善其事必先利其器，同樣，資源不儲備好，再牛逼的工具也無從下手，下文重點討論企業如何做數據質量管理和數據治理。

如何做數據質量控制和數據治理
首先說一下怎么評估企業數據質量好壞呢？從數據分析的角度或者叫數據價值的角度理解，優質數據需要在任何時候都可以被企業所信任，并且滿足所有業務需求。

重點在于兩點：第一是可被信任的，要求數據必須真實可靠，能夠真實的記錄企業運營情況；第二是可以滿足需求，要求數據服務于業務，從最基礎的業務監控到商業決策，都可以通過數據給出答案。

數據質量評估六要素：完整性、規范性、一致性、準確性、唯一性、關聯性；

數據質量控制和數據治理就是以元數據為基礎，實現企業數據優化的循環管理過程，起點是業務需求，重點是滿足業務需求。
數據質量控制與治理方法論：

質量問題來源
任何質量問題改善都建立在評估的基礎上，知道問題在哪里才能實施改進。數據質量問題來源按照不同的分類有不一樣的問題定位，本文中關于數據質量控制與數據治理借助數據流圖來說明。

數據流圖也稱為數據流程圖date flow diagram , DFD，是一種便于用戶理解和分析系統數據流程的圖形工具，他擺脫了系統和具體內容，精確的在邏輯上描述系統的功能、輸入、輸出和數據存儲等，是系統邏輯模型的重要組成部分。它從數據傳遞和加工的角度，以圖形的方式刻畫數據流從輸入到輸出的移動變換過程，所以它可以用來做數據質量問題定位。

標準化的系統設計，數據流圖會在系統需求分析階段完成，但是大部分的系統開發都沒有進行標準化的數據流圖，需求后期進行完善，具體的數據流圖畫法不做贅述。

數據質量評估，客戶行業數據一致性不足40%，無法確定哪個步驟的行業輸入更加準確，數據分析可信度不高，業務影響大；問題定位在一個屬性數據多個輸入，無修改糾正，多個數據并存；整改方案經過溝通確定如下，通過市場部獲取的客戶已市場部輸入為準，后續步驟默認填充，銷售自己渠道獲取的客戶以銷售輸入為準，后續步驟默認填充。方案實施改進，宣導至所有干系人；對歷史數據經過數據加工進行處理，后續數據采用新邏輯，評估改進后的數據一致性，確認能否滿足業務需求。

（部分內容來源網絡，如有侵權請聯系刪除）

立即申請數據分析/數據治理產品免費試用我要試用

上一篇：數據治理到底應該怎么治？...

下一篇：銀行數據治理工作的落地面臨著眾多的困難與挑戰...