俗話說，“失之毫厘，差之千里”。 在數據來源多樣化的情況下，數據的可靠性和實用性，直接影響到統計分析是否得到正確的結論，所以說數據的質量尤為重要。數據分析和數據挖掘都離不開數據的質量，如果數據不具備完整性、規范性以及一致性，那么最后我們看到的本質，得到的結論是有所偏失的。

俗話說，“失之毫厘，差之千里”。 在數據來源多樣化的情況下，數據的可靠性和實用性，直接影響到統計分析是否得到正確的結論，所以說數據的質量尤為重要。數據分析和數據挖掘都離不開數據的質量，如果數據不具備完整性、規范性以及一致性，那么最后我們看到的本質，得到的結論是有所偏失的。不僅如此，數據的質量問題從一定的角度反映出組織當中存在的一些問題，而問題的來源可能是數據流動，可能業務流程也可能源于管理問題等等。高質量的數據對管理決策，業務支撐都有極其重要的作用。數據質量是數據治理中重要的一把標尺，而數據治理又是當今企業組織的首要戰略重點之一，只有持續的數據質量改進才能推動數據治理體系的完善，為企業數據戰略提供堅實的保障。
一、數據質量的重要性

大數據的概念正在進一步滲透到各個行業與領域當中，數據中蘊藏的商業價值也逐漸被人們挖掘出來：數據驅動創新促進發掘新的需求和商業模式、客戶群體細分提供個性化服務和精準營銷、數據互聯互通打破了組織邊界提高管理效率和產業效率以及降低服務成本。伴隨著數據量的增長，與大數據相關的技術也在不斷成熟，包括數據采集、數據處理、數據挖掘、數據分析、數據傳輸、數據存儲等一系列環節。技術更迭帶來的實施成本降低，越來越多的企業開始利用數據創新業務，提供數據服務，由原來的業務驅動漸漸轉型數據驅動業務的增長。大數據類的項目都是以數據為核心的， 數據將作為產生業務價值和實現業務目標的基石，那么數據的質量就變成了這類項目的一個極其重要的因素。如果項目初期不考慮數據質量的因素，會存在由于數據質量問題所帶來的項目失敗的風險。在項目的各個環節當中，我們都應當關注數據質量的管理。

二、如何做好數據質量管理
1、從數據的整個生命周期來管理
數據生命周期總的來說將其分為事前預防、事中監控、事后改善三個階段。在數據生命周期的任何一個階段都要進行嚴格的數據規劃和約束來防止臟數據產生。
事前預防：根據組織特點，制定符合自身環境的工作制度，制定每個環節的工作流程，規定各個參與方的責任，確定各項數據的權威部門，制定數據質量指標，制定數據質量修復流程等等。
事中監控：在數據采集過程中將數據分為“好數據”“壞數據”，“好數據”入庫，“壞數據”則反饋給源頭修復，在源頭上把數據問題徹底修復掉。
事后改善：建立相關的流程和工具，通過手工、工單、自動化等等手段將質量問題修復掉，從而為業務創新提供可靠的數據支撐。
2、從數據質量問題解決依賴的知識來管理
數據梳理：先明確企業數據的種類，根據數據的不同分類。知道整體數據質量情況，將具有共同的特征數據提取出來，按照主題域的方式進行劃分，方便后續的數據管理。
數據規范：在數據模型的落地和推動過程當中，往往會遇到由于各組織人員認知不同、看待問題的角度不同以及其他內外部原因等限制，導致數據在集成與互通的時候會遇到數據不一致的問題。所以，在做業務系統的數據模型設計之前，企業要設計一套相對標準的數據規范。通過數據標準規范來反向推動業務進行數據收集，解決數據不一致的問題。

三、睿治平臺如何幫助企業治理數據
億信華辰睿治數據治理平臺的數據質量管理模塊以全面質量管理PDCA循環管理方法為指導，充分結合國內數據質量管理工作的特點，運用元數據管理、數據挖掘、數據分析、工作流、評分卡、可視化等技術最終幫助企業和政府建立數據質量管理體系，全面提升數據的完整性、規范性、及時性、一致性、邏輯性等，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。