浅谈企业的数据质量管理

董致远

（中国人民财产保险有限公司，北京 100022）

数据质量管理是指对数据生命周期每个阶段可能引发的各类数据质量问题采取的一系列管理活动。通过不断地修正或优化来改进数据质量，继而改进组织对数据的运用能力,并期待对企业自身的运转和经营产生积极的影响。这其中，数据的生命周期指的是数据计划、数据产生、数据应用到最终数据消亡的一个过程。管理活动可以是数据生命周期中与改进数据质量相关的每一项具体的管理措施，包括技术层面的刚性控制和管理层面的规章制度等，涉及事前的风险定义、事中的监控预警，事后的效果评估等具体的环节。

1 数据质量的特点

数据质量一般从4个角度来考察。

1.1 数据的及时性

失去时效属性的数据其重要性和意义会大为降低，尤其对于在市场中激烈竞争的企业主体而言，及时性的重要意义显得更为突出，第一时间得到的数据是把握经营情况、分析市场走势的重要依据，是打破信息不对称或者充分利用信息不对称进行经营管理的利器。保证数据的及时性需要在数据提取、传送、转换、加载、展现的过程中予以贯彻，因此需要在技术层面建立一套具有全局性和前瞻性信息技术架构，对技术本身的依赖比较强，对技术实施团队的要求也比较高。数据的及时性，可以是第一时间的数据采集，可以是数据高效的传输，还可以是对最终用户而言最快的报表展示，因此及时性牵扯到数据传递的所有环节，每一个加快数据传递的目标都是应该尽力去达到。

1.2 数据的完整性

有意义的数据应该是一套能够自洽的指标体系，应该尽量包含数据分析所需的所有维度的信息，并且信息之间存在清晰的逻辑校验关系。比如从时间维度考虑，同一类数据需要有在不同时间节点上有数据加以描述，不存在残缺和空白；从空间维度考虑，一个事实应该有足够的数据指标来描述，尽量避免出现理论上能够描述却因指标采集不全而无法进一步分析的情况。

1.3 数据的一致性

和前两个角度相比，一致性更强调了一种空间感，由于数据来自于不同的数据源或者说经过了很多环节的传递，这些环节之间相关的数据定义、数据的值、数据的数量都应该是保持一致的。简而言之，同一指标在任何地方都应该保持一致，不应该出现相矛盾的地方。一致性对于业务的真实性有重大意义，对于企业后续的统计分析效果也有很大的影响，因此必须予以重视。对于企业当前的系统设计和软件开发的实际情况而言，开发者一般都是将工作的重点放到主要业务流程的准确实现和保证开发计划的顺利实施上，系统间的数据一致并没有得到足够的关注，硬性地要求每个数据指标的完全一致有一定难度，也存在一些不合理性，因此需要针对具体的情景进行考虑，不能僵化地为保持一致而一致，应该在工作方法和指标范围上有一定的取舍和灵活性，目标是保证核心指针的一致为主，从数据源头就加强控制，力争将风险扼杀在萌芽中。

1.4 数据的有效性

可以从两个角度去理解，一是数据真实，如数据在正常界定的值域范围内，不存在明显不符合常理的数据。二是数据准确，主要指数据处理过程的准确性，不应出现计算的失误。数据的有效性比较容易理解。但是保证数据的有效性却是一个涉及面很广的工作，与企业生产营销的各个环节都密切相关。保证数据有效性可以采取的措施包括在软件数据结构设计时要遵循科学的设计要求、在业务员记录入时应当建立操作性规范予以指导、统计分析的结果应当严格校验保证结果可信，在数据流转过程建立多级预警体系防止蝴蝶效应等。

2 数据质量管理面临的问题及对策

数据质量管理工作在实际开展的过程中会面临很多的问题和困难，首先就是谁来做的问题，由于数据生命周期和企业运转所有的环节几乎都有关系，每个工作人员似乎都有责任提高数据质量，但实际在明确的岗位职责中并没有这一条要求，数据质量保证往往被排在工作优先级的最后，而且这项工作难以快速体现绩效，直接导致工作积极性不足。其次，有的人认为数据质量保证完全是个技术问题，应该由技术团队来实施，这个说法也有些片面，因为很多数据问题深层次的原因是整个企业管理中存在的问题导致的，技术团队可以保证数据采集和计算的快速准确，但数据本身表露的含义要对企业有意义有帮助才是最重要的，在信息爆炸的时代，管理者和业务员应该是数据质量保证的发起点，因为只有他们才能准确地把握和指出企业的数据需求，在海量数据中指挥技术人员去粗取精、去伪存真找到最有效的信息。因此，建议企业应该建立专门的数据质量保证团队来处理此项工作，明确数据管理工作的责权利分配。其次数据质量保证工作应该是行政管理手段为主，技术手段为辅，重要的是发挥协调作用，成为业务与技术的结合点。过度地进行业务干预和过度地钻研技术细节都是矫枉过正，容易陷入工作边界模糊无所适从的陷阱中。最后需要强调的一点就是，数据质量工作是一个全局性的工作，也是一个基础性的工作，横向要体现生产经营和企业治理流程；纵向要有层次感，名目繁多的指标和报表、美如画的数据驾驶舱、先进的数据软件技术、严谨的管理制度都是数据应用的不同层面，必须被涵盖到整个数据质量管理的框架中。总之，建立起一套有效的数据质量保证体系是现实需求，目前还没有这方面权威的指南和标准，相信随着在实践中的不断摸索和总结，数据质量保证工作将会产生相关的方法论和业务标准，这值得我们持续关注和跟踪。

[1]方嘉麟.信托法之理论与实务[M].北京：中国政法大学出版社，2004.

[2]安宏波.知识经济下无形资产会计问题探讨[D].天津：天津商业大学，2012.

[3]刘伟龙.关于无形资产会计若干问题的探讨[J].中国乡镇企业会计，2011(10).