数据治理：数据质量管理策略!.pdfVIP

数据治理：数据质量管理策略！

数据质量管理包含正确定义数据标准，并采用正确的技术、投入合理的

资源来管理数据质量。数据质量管理策略和技术的应用是一个比较广泛的

范畴，它可以作用于数据质量管理的事、事中、事后三个阶段。数据质量

管理应秉持预防为主的理念，坚持将“以预控为核心，以满足业务需求为目

标”作为工作的根本出发点和落脚点，加强数据质量管理的事预防、事中

控制、事后补救的各种措施，以实现企业数据质量的持续提升，如下图所示。

01数据质量管理策略之事前预防

东汉史学家荀悦在《申鉴·杂言上》中提到对皇帝进献忠告的三种方法，

也称进忠有三术：“一曰防，二曰救，三曰戒。先其然谓之防，发而止之

谓之救，行而责之谓之戒。防为上，救次之，戒为下。

”事前预防即防患于然，是数据质量管理的上上之策。数据质量管理

的事预防可以从组织人员、标准规范、制度流程三个方面入手。

1、加强组织建设

企业需要建立一种文化，以让更多的人认识到数据质量的重要性，这离

不开组织机制的保障。建立数据质量管理的组织体系，明确角色职责并为每

个角色配置适当技能的人员，以及加强对相关人员的培训和培养，这是保证

数据质量的有效方式。

（1）组织角色设置

企业在实施数据质量管理时，应考虑在数据治理整体的组织框架下设

置相关的数据质量管理角色，并确定他们在数据质量管理中的职责分工。常

见的组织角色及其职责如下。

▪数据治理委员会：为数据质量定下基调，制定有关数据基础架构和流

程的决策。数据治理委员会定期开会以新的数据质量目标，推动测量并分析

各个业务部门内数据质量的状态。

▪数据分析师：负责数据问题的根因分析，以便为数据质量解决方案的

制定提供决策依据。

▪数据管理员：负责将数据作为公司资产进行管理，保障数据质量，例

如定期数据清理、删除重复数据或解决其他数据问题。

（2）加强人员培训

数据不准确的主要原因是人为因素，加强对相关人员的培训，提升人员

的数据质量意识，能够有效减少数据质量问题的发生。数据质量管理培训是

一个双赢的过程。对于员工来说，通过培训，自己不仅能够认识到数据质量

对业务和管理的重要性，还能学习到数据管理理论、技术、工具等知识和技

能，确保上游业务人员知道他们的数据对下游业务和应用程序的影响，让自

己在工作中尽可能不犯错、少犯错，提高自己的业务处理效率和质量。对于

企业来说，通过培训，可以使数据标准得到宣贯，提升员工的数据思维和对

数据的认识水平，建立起企业的数据文化，以支撑企业数据治理的长治久安。

有关数据治理培训机制的相关策略在第6章中已经详细描述过，此处不再

赘述。此外，企业应鼓励员工参加专业资格认证的培训，这样能够让相关人

员更加系统性地学习数据治理知识体系，提升数据管理的专业能力。

2、落实数据标准

数据标准的有效执行和落地是数据质量管理的必要条件。数据标准包

括数据模型标准、主数据和参考数据标准、指标数据标准等。

（1）数据模型标准

数据模型标准数对数据模型中的业务定义、业务规则、数据关系、数据

质量规则等进行统一定义，以及通过元数据管理工具对这些标准和规则进

行统一管理。在数据质量管理过程中，可以将这些标准映射到业务流程中，

并将数据标准作为数据质量评估的依据，实现数据质量的稽查核验，使得数

据的质量校验有据可依，有法可循。

（2）主数据和参考数据标准

主数据和参考数据标准包含主数据和参考数据的分类标准、编码标准、

模型标准，它们是主数据和参考数据在各部门、各业务系统之间进行共享的

保障。如果主数据和参考数据标准无法有效执行，就会严重影响主数据的质

量，带来主数据的不一致、不完整、不唯一等问题，进而影响业务协同和决

策支持。

（3）指标数据标准

指标数据是在业务数据基础上按照一定业务规则加工汇总的数据，指

标数据标准主要涵盖业务属性、技术属性、管理属性三个方面。指标数据标

准统一了分析指标的统计口径、统计维度、计算方法的基础，不仅是各业务

部门共识的基础，也是数据仓库、BI项目的主要建设内容，为数据仓库的

数据质量稽查提供依据。

3、制度流程保障

（1）数据质量管理流程

数据质量管理是一个闭环管理流