数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

编辑导语:数据质量问题是各种行业和企业在步入信息化数字阶段后都会面临的一个问题,那如何确保自己企业的数据质量比较高呢?其中一个重要的保障措施就是颁布管理制度,本篇文章主页阐述了数据管理制度有哪几个关键部分,一起来看看吧。

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

无论是任何行业或者何种背景下的企业,在步入信息化数字化阶段后,都会面临数据质量问题。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。

相比那些不开展数据质量管理的组织,实施正式数据质量管理的组织碰到的问题会更少。如何确保自己企业的数据质量比较高,或者是逐步提高,一个很重要的保障措施就是颁布管理制度。数据质量管理制度需要包含数据质量管理办法,数据质量管理规范,数据质量绩效考核方面的内容。

值得大家注意的是,管理制度搭建的过程中,往往很难区分规范、办法两者之间的关系。

规范是指对于某一工程作业或者行为进行定性的信息规定。主要是因为无法精准定量而形成的标准,所以相对笼统。

办法是按照规范制度的要求提出具体可落地、可执行的实施措施,所以一定是很具体可量化的细则。

我们在规范中可以强调数据的及时性,但是在具体的管理办法中需要明确、量化及时性这一指标概念。如:获取数据后X个工作日内录入数据,发生变更时X个工作日内完成数据更新等。

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

细分来讲,数据质量管理制度应该由以下几个关键部分组成。

一、 规范定义

首先定义清楚什么样的数据称之为高质量的数据,高质量数据并不是越高越好,因为学过质量成本控制的都清楚,数据质量并不存在绝对的,而只要满足企业业务管理需要,即可认为数据质量达标的数据。

还要明确什么样的数据属于数据质量管理的范畴。比如核心,重要的数据,所以识别关键数据重要数据,并且还要确认该类数据的生成规则和维护流程。

那达到什么程度才算高质量呢?例如:确保数据的及时性,究竟怎么才算及时性,是获取数据的时效?还是分发到下游的时效?还是接受数据的时效?

二、稽查监控措施

  • 针对我们已经识别的数据及其对应生成规则,我们需要确定稽查监控的措施(提升数据质量的关键是预防,而不是事后修正)

  • 对于产生问题的错误数据,我们如何去修复改正相应流程

  • 数据稽查的频率和问题反馈频率,以及反馈渠道或稽查工具平台需要明确清楚

三、组织与职能

  • 重点描述组织岗位对应的职能,定义需要执行遵守的数据质量管理原则

  • 各组织对数据质量流程中的职责权利需要明确清楚,例如谁生产,谁使用,谁负责,谁改进等权责

四、绩效考核

评价标准需要量化。一般情况下,以单条数据为单位,通过数据质量巡检规则,从完整性、及时性、准确性、一致性、唯一性、有效性等六个维度进行检查,根据计算规则得出各区域的数据质量综合得分。常见的数据质量考核计算方法如下:

1)员工数据质量综合得分

以该员工录入维护的相关数据质量项为范围,以数据质量检查项的单条数据质量规则为检查单元,先计算正确记录数占比作为该条数据质量规则对应的得分,再加权计算该数据项的所有数据质量规则得分作为该数据项的得分,最后取所有数据项得分的平均值作为员工的数据质量综合得分,计算过程及计算公式如下:

数据质量规则得分=(1-数据质量规则检查的问题数/数据质量规则检查的总数)*100

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

数据质量规则的得分表(示例)

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

数据项的得分表(示例)

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

员工的得分表(示例)

2)团队数据质量综合得分

以该团队的全体成员为范围,统计每个团队的数据质量综合得分,取所有项目得分的平均值作为该团队的综合得分。

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

区域的得分表(示例)

统计各团队的综合得分,并根据各团队的综合得分从高到低进行排名,由数据管理团队负责人进行有效奖惩排名。如果对数据质量评价结果有意见,可向数据管理团队提出。

数据管理制度有哪些(企业数据质量管理制度的6大步骤解析)

团队数据质量综合评价表(示例)

五、附则—数据质量衡量维度

在DAMA体系中,数据质量维度是指数据的某个可测量的特性。国际上较为成熟的框架包括:Strong-Wang 框架、Redman的“可表示的三元组”还有Larry Englist的固有特征和实用特征。各个企业公司可以根据自身的业务场景、管控要求选择不同的质量维度框架,本篇文章只针对DAMA UK提出的六个核心维度进行阐述解释:

1)完整性

指数据在创建、传递过程中无缺失和遗漏。包括实体完整、属性完整、记录完整和字段值完整四个方面,完整性是数据质量最基础的评判维度。

2)及时性

指及时记录和传递相关数据,满足业务对信息获取的时间要求。数据交付的及时性,及时抽取、及时展现,如果数据交付时间过长,可能导致分析结论失去参考意义。

3)准确性

指真实、准确记录原始数据,无虚假数据及信息,数据准确反映其所建模的“真实世界”实体。例如:员工的身份信息必须与***件上的信息保持一致。

4)一致性

指遵守统一的数据标准,记录和传递数据和信息,主要体现在数据记录的规范和数据是否符合逻辑。例如:同一工号数据在不同系统的员工姓名不一致。

5)唯一性

指同一数据只能有唯一的标识符。体现在一个数据集中,没有实体多余一次出现,并且每个唯一实体有一个键值且该键值只指向该实体。例如:员工有且仅有一个有效工号。

6)有效性

指数据的值、格式和展现形式符合数据定义和业务定义的要求。描述数据格式、数据类型、值域和相关业务规则的有效性。例如:员工的国籍类型必须存在于国家基础数据中定义的允许值。

企业数据质量管理体系的搭建并非一朝一夕的事情,本文只是针对管理制度的目录编写进行了详细阐述。如何针对管理制度进行组织保障、资金项目保障、人力保障等措施在后续章节会再详细讲到。

派优网部分新闻资讯、展示的图片素材等内容均为用户自发上传(部分报媒/平媒内容转载自网络合作媒体),仅供学习交流。用户通过本站上传、发布任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权,请联系我们一经核实,立即删除。并对发布账号进行封禁。
(0)
派大星的头像派大星

相关推荐

返回顶部