数据质量管理不单纯是一个概念，也不单纯是一项技术、也不单纯是一个系统，更不单纯是一套管理流程，数据质量管理是一个集方法论、技术、业务和管理为一体的解决方案。通过有效的数据质量控制手段，进行数据的管理和控制，消除数据质量问题进而提升企业数据变现的能力，一切业务、技术和管理活动都围绕这个目标和开展。数据质量问题

数据质量问题通常会存在以下几个方面的问题，通常对数据质量的评估也是围绕这几个维度进行的。

数据质量问题的根因分析

影响数据质量的原因包括技术、业务、管理三个方面。

现在从这三方面分析下产生数据质量问题具体因素。

1技术层面

2业务层面

3管理层面

数量质量的把控定义数据质量标准

常用的数据质量评价标准在上述内容提到过：数据唯一性、数据完整性、数据准确性、数据一致性、数据关联性、数据及时性等。

数据加工过程把控

在这些环节中，可以采用以下方式来保障数据质量：

（1）代码核查开发相关的规则分类大致为：-代码规范类规则：如表命名规范、字段命名规范、生命周期设置、表注释等

-代码质量类规则：数据清洗规则是否符合业务预期需求、特定字段的数据格式是否标准统一等。

-代码性能类规则：如是否存在大小表join操作、多表进行join操作等

（2）代码发布核查加强测试环节，测试环境测试后再发布到生成环境，且生成环境测试通过后才算发布成功。

总结：从数据的源头抓起，严格落实规范和机制。关于数据需求的逻辑、模型设计如何规范化、代码是否有CR（CodeReview）机制等方面的流程，一定要有明确的定义以及标准。

设置质量管理点或质量控制点，从根本上解决数据质量问题。一旦发现数据的异常值，抓住影响数据质量的关键因素，可以根据数据产生的逻辑顺藤摸瓜找到产生数据的业务环节。

- 完 -