信息数据质量管理我们需要吗

摘要:随着国内外企业大量实现信息数字化管理，数据的准确性和真实性等对数据质量造成了巨大的影响从而对企业的决策和运作也产生了巨大的影响，本文纵观国内外企业对于高质量数据的需求及管理上的难点所在，说明了引起数据质量的问题所在，介绍了信息数据质量对于企业的重要意义。

关键词：信息数据质量 数据规范 完整性 企业管理 数据质量管理

1 引言

1.1什么是信息和数据质量

我们可以从两个方面来理解。一是信息和数据本身的数据质量。真实性、完备性、自洽性是数据本身应具有的属性，称为数据的绝对质量，是保证数据质量的基础。除了数据的绝对质量外，还有我们在利用和存贮数据的过程中所产生的数据质量，包括使用质量、存贮质量和传输质量，称之为过程质量。

1.2数据质量的维度

(1)数据规范(2)数据完整性准则(3)重复性

(4)准确性 (5)一致及同步性 (6)及时及可用性

(7)易用及可维护性(8)数据覆盖特性(9)数据表达质量

(10)可理解性和相关性(11)数据衰变(12)效用性

2 信息和数据质量的影响

2.1数据质量问题来源

信息数据质量问题可以由人员流程或者系统的一系列问题造成信息质量问题不仅仅存在于比较落后或者特定的系统中，虽然很多人都知道由于数据的错误经常引发各种问题但是却忽略了或者过低的估计了它对业务影响的程度。返工、重复处理订单、用户投诉、处理退货这些行为都预示着数据质量存在着问题。这些问题表面上与信息数据质量无关，其实息息相关。由于职能被分配给很多人，数据和信息质量问题的损失和范围是不易估测的。

下例为中燃公司信息数据错误分析报告简要

手工录入错误，有以下几种类型：

(1)财务月或日期的错误。此类错误约占25%。

(2)数量的错误。此类错误约占20%。

(3)单价、费用的错误。此类错误约占10%。

(4)业务流程提前点击结束及其未登记造成的错误。此类错误约占5%。

(5)综合错误。此类错误约占10%。

(6)单据重复登记及作废造成错误。此类错误约占5%。

(7)成本上报的错误，此类错误约5%。

业务实际运作与系统管理存在偏差所致。

例报税油在录入订单时，只能给出当日牌价，月底要修改订单中的单价，当然供油通知及供油凭证的价格也要随之调整。此类修改量约占10%。

由此可见信息数据质量的问题是深深的嵌在企业的每一个环节里面只有发现问题认识问题才可能把出现的问题在初始阶段给予解决，利用完善的制度为企业提供更好的服务使整个系统为业务运作实现更多的方便。

2.2信息质量的发展趋势

有两个主要的趋势创造了信息质量正在得到更多关注的环境。第一个趋势是不断增长的法律法规对数据质量的需求。第二个趋势是基于新方式查看会聚信息的业务需求。以前满足企业特定职能范围的 数据，现在正在与其他的职能范围的数据进行组合，同样的信息可能有不同的业务应用，不同的数据类型。需要的还是及时的与企业的客户沟通以及共享公司的信息，要让企业有意识的管理信息，就像管理资产一样才可以获得真实的信息有用的信息。

3 国内外企业数据质量管理的现状

3.1国外企业对信息及数据质量的调查

美国某机构对十几家数据质量工具厂商进行评估，标准包括了：执行力、显著优缺点、客户体验、市场理解以及创新等内容。最主要的一个因素就是主数据管理产品和数据集成软件的兴起。终端用户对于跨越传统数据集成软件技术的需求不断增长，是造成这一趋势的主要原因。

企业在进行数据质量工具采购时，通常将它们视为整个商业智能解决方案的一部分，而主数据管理将成为未来市场发展的主要驱动力。而企业对于广泛信息管理的需求也将成为数据质量市场的一个强有力的推动力。

3.2中国企业的数据质量成为数据集成难点的现状

大部分中国企业数据集成项目难以达到预期的原因在于数据质量问题。经调查研究结果表明，超过70%的中国企业已经建设或正在建设数据集成项目， IT系统的大量建设造成数据的重复、不一致、格式混乱等问题。这些低质量的数据，即便在完成数据集成之后，得出的也可能是质量不高的信息。中国企业复杂的的数据环境导致了多种多样的数据问题出现：72%的接受调查的中国企业存在重复数据，60%的企业存在不完整数据。另外，跨系统利用数据、系统间数据传递不及时、以及业务指标理解不一致造成了企业典型的数据问题。

数据集成这个概念对很多中国客户来说，其实都还不是很熟悉，尽管他们已经或多或少在实际应用这项技术。而数据集成已经在全球形成热门话题，企业有很多IT预算都是在解决这个问题。现在，很多先进的大型企业都开始采用数据集成技术，概念也在被越来越多的客户所接受。

数据集成是解决中国企业迫切需求的方案，它能够全面了解企业内所有的数据，帮助中国企业解决数据分散、异构数据库的屏蔽等问题，并对多样存储方式的数据进行快速收集和整合。企业需要提高数据质量，但由于系统和应用程序经常接收到新数据，数据的总量也在不断提高，确保数据质量并不是一次就能完成的。因此，所有企业都应该使用一种反复进行的阶段性过程来管理数据质量。

国内企业应组建基于面向服务的体系结构，使用集成能力中心方法，依托企业数据集成平台，实现企业数据集成并解决数据质量问题。企业数据集成平台可以依靠不同项目分阶段建设和完善，数据质量持续改善则需要遵循数据质量管理流程完成。

4 结束语

我们只有认识到数据在管理中的重要作用，才会反过来重视数据质量问题。要让企业的每一 个员工都能认识到数据是企业重要的战略资源，企业的一切决策都来源于数据。没有正确的高质量的数据，就没有正确的决策。国外有一个谚语"Garbage in，garbage out"(进去的是垃圾，出来的还是垃圾)数据质量是企业重要的战略资源，合理有效的使用正确的数据能指导企业领导作出正确的决策，提高企业的竞争力。不合理的使用不正确的数据可导致决策的失败，正可谓差之毫厘、谬以千里。有效地避免"Garbage in, garbage out"，进行数据质量的合理化管理，这样企业才能在信息中获取价值，让数据创造价值，从而使企业逐步走上正确的发展之路。

参考文献

[1] Kuan-Tsae Huang,Yang W.Lee,and Richard Y.Wang,Quality Information and Knowledge 1999

[2] Tom Redman,Data quality:The Field Guide 2001

[3] Jacket E.Olsen,Data Quality:The Accuracy Dimensions 2003

[4] 陈国萍，李巍.数据质量管理：建立客户关系的基础.信息与电脑.2000

[5] 朱晏如，李庆峰.数据质量管理与企业信息化建设.计算机时代.2005

[6] 陈德莉. 企业数据中心数据质量管理方法的实践. 2009

转载请注明来自：http://www.uuqikan.com/xinxiguanlilw/2326.html