數據質量管理應該覆蓋業務需求分析、數據質量評估、業務影響評估、原因分析、問題跟蹤整改等各個方面，我們定義了一套 “定-測-析-改-控-評”的閉環管理機制，通過建立數據治理端到端的閉環管理機制，做到事前防范，事中控制，事后治理相結合，全面主動提升數據質量，從管理角度更好地支撐數據質量管理制度和流程的落地。
數據質量閉環管理
01、定規則
通過定義數據質量維度指導數據質量檢核，將數據標準注入以及日常業務運營確認檢核范圍，通常包括數據質量需求定義、質量檢查方式定義、質量范圍定義、檢查計劃定義。
根據不同目的，通常會有兩種檢查計劃，一種是專項評估，一種是常規評估：
數據質量專項評估：以數據應用或針對已經發現的數據質量問題為切入點，如CRM建設、反洗錢報送，逐步開展重點系統的數據質量評估工作，推動源系統的數據質量提升，檢核相關系統基礎字段的數據質量。
數據質量常規評估：在源系統或數據管控平臺中實現檢核規則部署，對已知的數據質量問題進行周期性的監測，及時整改并提升數據質量。
02、測數據
篩選確定測量數據，基于選定的數據確認檢核規則，設計檢核規則腳本，測量數據質量，通常包括選定測量數據、制定檢核規則、編寫檢核腳本、執行檢核并測算數據質量。
例如我們會針對數據質量需求或者質量問題定義一些業務規則，比如客戶名稱必須與法定證件上的名稱一致，不應包含特殊符號如“？”“！”“*”等，技術人員將這條規則形成SQL代碼，在核心系統的數據庫中部署和執行，這時我們就可以得到核心系統客戶名稱不滿足數據質量規則的問題數據集、數據條數、問題比率等信息。
03、析原因
在這一步中，針對檢核發現的各類數據質量問題，應評估數據質量問題的業務影響，確定原因，明確整改職責，分配問題歸屬部門。
在這一步中最為重要的是分析原因，明確職責。通常作為檢核針對的數據資產項，我們在數據治理過程中梳理了歸屬責任部門，該部門應承擔牽頭問題整改的職責。但因為問題產生的源頭和原因不一，我們應該通過分析，明確數據質量問題發生的環節和原因，再定位需要配合落實整改工作的部門或分支行。
數據質量歸因分析魚骨圖
04、改問題
針對問題，制定整改方案，糾正當前數據錯誤，預防未來數據錯誤，并進行事后評估。
源頭輸入問題：數據錄入人員未按規范錄入，需要相關責任部門強化錄入規范，作為數據源頭的分支機構配合改正錯誤數據，并在工作中落實規范。
加工環節問題：例如系統或手工處理中出現錯誤邏輯、斷點等情況，需要相關責任部門給出正確加工邏輯，并由系統實施或手工處理數據的部門，進行加工邏輯或代碼的修改。
使用環節問題：例如在業務中使用了錯誤數據項，需要相關責任部門明確數據含義、標準，給出應用場景等，確保數據使用符合當前需要。
05、控制量
除了發現問題、解決問題，還需要在發現的數據質量問題中提煉出事前和事中控制方案，做到預防加檢查結合的管理方式。
推動數據質量管理的前移，將數據質量檢核落實在需求審核和系統開發階段，明確數據需求及質量要求，在設計環節加強前臺錄入控制、邏輯檢查、數據清洗等質量控制，建立和強化事前數據管控的能力，避免“先建設、后治理”。
06、評效果
定期對企業的數據質量改進情況進行成效評估，有利于提升數據治理的成熟度，并為下一階段的數據質量改進提供參考依據。包括但不限于通過檢查或者考核的形式，由牽頭部門組織相關部門和人員就數據質量問題、產生的原因、采取的措施、改進的結果進行交流，促進全行積極參與到數據質量改進中來，進一步鞏固我們的數據文化。
數據質量管理不是一蹴而就的，需要對數據進行反復“打磨”，還要業務部門的深度參與，站在數據生產者和消費者的角度，為滿足特定業務目標更好地進行數據質量需求定義，高效準確地提升數據質量，讓數據成為推動業務高質量發展的有力支撐。
（部分內容來源網絡，如有侵權請聯系刪除）
