读DAMA数据管理知识体系指南39数据质量概念（上）
读DAMA数据管理知识体系指南39数据质量概念（上）.png
1. 数据质量
1.1. “数据质量”一词既指高质量数据的相关特征，也指用于衡量或改进数据质量的过程
1.2. 有效的数据管理涉及一系列复杂的、相互关联的过程，它使组织能够利用他们的数据来实现其战略目标
1.3. 实现数据价值的前提是数据本身是可靠和可信的，换句话说，数据应是高质量的
1.4. 导致低质量数据产生的因素
1.5. 所有数据管理的原则都应有助于提高数据质量，支持组织使用高质量数据应是所有数据管理原则的目标
1.6. 产生高质量数据需要跨职能的承诺和协调
1.7. 通过执行过程和项目管理，提前为高质量的数据做好准备，以应对与数据相关的意外或不可接受的风险
1.8. 没有一个组织拥有完美的业务流程、完美的技术流程或完美的数据管理实践，所有组织都会遇到与数据质量相关的问题
1.9. 正式的数据质量管理类似于其他产品领域的持续质量管理，包括在整个生命周期制定标准，在数据创建、转换和存储过程中完善质量，以及根据标准度量数据来管理数据
1.10. 数据质量团队(Data Quality Program Team)
1.11. 与数据治理和整体数据管理一样，数据质量管理不是一个项目，而是一项持续性工作
1.12. 数据质量管理的挑战之一，是与质量相关的期望并不总是已知的
2. 业务驱动因素
2.1. 提高组织数据价值和数据利用的机会
2.2. 降低低质量数据导致的风险和成本
2.3. 提高组织效率和生产力
2.4. 保护和提高组织的声誉
2.5. 高质量数据比低质量数据更有价值
2.6. 许多直接成本均与低质量数据有关
2.7. 高质量数据本身并不是目的，它只是组织获取成功的一种手段
3. 目标
3.1. 根据数据消费者的需求，开发一种受管理的方法，使数据适合要求
3.2. 定义数据质量控制的标准和规范，并作为整个数据生命周期的一部分
3.3. 定义和实施测量、监控和报告数据质量水平的过程
4. 原则
4.1. 重要性
4.2. 全生命周期管理
4.3. 预防
4.4. 根因修正
4.5. 治理
4.6. 标准驱动
4.7. 客观测量和透明度
4.8. 嵌入业务流程
4.9. 系统强制执行
4.10. 与服务水平关联
5. 关键数据
5.1. 大多数组织都有大量的数据，但并非所有的数据都同等重要
5.2. 数据质量管理的一个原则是将改进的重点集中在对组织及其客户最重要的数据上，这样做可以明确项目范围，并使其能够对业务需求产生直接的、可测量的影响
5.3. 评估关键数据
5.4. 主数据至关重要
6. 数据质量维度
6.1. 数据质量维度是数据的某个可测量的特性
6.2. Strong-Wang框架
6.2.2. 场景数据质量
6.2.3. 表达数据质量
6.2.4. 访问数据质量
6.3. Thomas Redman
6.3.2. 数据模型
6.3.3. 属性域的精准度
6.4. Larry English
6.4.2. 固有质量特征
6.4.3. 实用质量特征
6.5. DAMA UK
6.5.2. 唯一性
6.5.3. 及时性
6.5.4. 有效性
6.5.5. 准确性
6.5.6. 一致性
6.5.7. 可用性(Usability)
6.5.8. 时间问题(Timing Issues)（超出时效性本身）
6.5.9. 灵活性(Flexibility)
6.5.10. 置信度(Confidence)
6.5.11. 价值(Value)
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
