目前市场中所使用的与数据质量管理相关的核心技术有如下几种。2）设置文件这是数据质量管理的基础技术，不需经过与业务相关的特别事先培训，即可了解数据质量的基本情况，即为理解数据质量问题，取得各种有效统计的数据分析方法。与上述数据质量管理主要技术同样重要的是数据质量管理方法论。这不是使用区区几个技术就能够确保数据质量的，还需要专业咨询，采用适合各组织的流程，并提出各阶段的最佳运行和技术。......
2023-11-16
数据一致性在数据质量管理与安全管理中的重要性
【摘要】：1）数据一致性的必要性一致性质量标准即数据之间保持统一性的标准。数据标准和定义系统化后，选定数据一致性管理对象，定义可确认一致性的检查标准。但是数据一致性通常反映业务规则，应与业务负责人进行充分协商。3）数据一致性诊断项目一致性质量标准与结构管理、数据过程管理、数据标准管理、数据所有权管理四个流程相关。
1）数据一致性的必要性
一致性质量标准即数据之间保持统一性的标准。也就是说，检验不同位置的重复数据值是否总是一致，参照完整性数据之间是否严格遵守先后关系，具有业务相关性的数据之间是否会不一致等。
一致性低下的根本原因是定义不明确。定义不明确且未共享时以不同观点分析数据，由此数据在对接或执行时很有可能发生错误。数据用语、代码、域等的定义应从企业角度由相关人员经过经协商后发布，但实际因参与人员较多，企业业务范围较广，负责人的沟通能力也存在差异，所以很难制定所有人都同意的定义。
此时，虽然从企业角度进行统一定义比较重要，但只要定义了表或列，公开元数据（metadata）管理系统或Groupware等并将其共享更为重要。
标准在企业共享后，因实际业务中经常不遵守此标准，所以务必要制定指导负责人定期检验检查并跟踪数据标准的流程。
表或列定义混乱时，用户应用不准确的数据是创建错误数据的原因。因此，为保证数据的一致性，应总体定义企业数据结构和标准，并制定定期检查并管理数据结构和标准的流程。
数据标准和定义系统化后，选定数据一致性管理对象，定义可确认一致性的检查标准。但是数据一致性通常反映业务规则，应与业务负责人进行充分协商。
未整合的数据、不一致的数据与定义规则相反的数据等会直接导致决策错误，所以应将其作为重要的质量标准。
2）数据一致性预期效果(www.chuimin.cn)
如将一致性保持在高质量标准，以企业中明确且一致的数据定义为基础应用数据，可提高对来源数据的信任。对来源数据的信任正是与业务效率有直接关系的基础。与准确性一样，从单纯的基础数据应用到制定有效的经营战略，都可实现预期效果。此外，即使个别数据没有问题，数据之间不一致的话，也容易引起用户的混淆，明显降低数据的信任度。数据一致性是数据整合应用必备的质量标准。
3）数据一致性诊断项目
一致性质量标准与结构管理（重复、参照完整性）、数据过程管理、数据标准管理（用语标准化）、数据所有权管理四个流程相关。
（1）结构管理（重复、参照完整性）：为了解和管理重复数据或相互关联的数据，掌握并管理企业数据结构的流程。
（2）数据过程管理：掌握企业中复杂的数据流向，对数据进行一致性处理的流程。
（3）数据标准管理（用语标准化）：为将数据在企业内统一定义而进行的标准化原则定义，通过标准化原则的标准定义、标准变更、标准使用控制等，保持数据的一致性并为用户应用提供便利性的流程。
（4）数据所有权管理：定义管理重复数据或相互关联的数据主体，为负责任的数据管理提供支持的流程。
有关数据质量管理与安全管理的文章
- 详细阅读
-
数据标准化的重要性-《数据质量管理与安全管理详细阅读
随着数据在企业战略性决策中的重要性逐步加大，企业数据标准化的需求也愈发迫切。数据实现标准化后，可以通过统一的命名方式使交流更顺畅，通过统一的数据格式和规则提高数据质量。数据标准化指的是确立分散在各个系统中的信息要素的定义、名称、格式和规则后将其推广应用到全公司的活动。数据标准化的构成要素包括数据名称、数据定义、数据格式、数据规则等。应用数据标准管理的对象包括标准用语、标准词、标准域、代码等。......
2023-11-16
-
大数据安全管理与数据质量管理详细阅读
因为没有大数据平台安全技术，所以应尽早解决此问题。网络应用程序、数据库的安全或大数据集群仍是安全保护的重要对象，需要保证大数据的保密性、可用性、完整性。与此同时，各个产业群中，致命的数据安全事故激增。大数据平台也成为重要的数据安全对象，针对数据的机密性、完整性、可用性的安全目标以及能够防御来自数据的掠夺、伪造等外部威胁的体系和标准测定模型图的开发是必要的。......
2023-11-16
-
大数据质量管理与安全管理详细阅读
大数据无法通过RDBMS存储和管理。因此，很多人认为大数据质量管理是一项“没有实际意义”、“浪费时间”的工作。现在这种烦恼已经全球化，超越了大数据技术，在质量管理领域中的相关研究正在进行。从大数据的三大特质来看质量管理的考虑事项。尤其相对于结构化数据质量管理，非结构化数据的质量管理及质量测定标准是以后要大力发展的领域。在数据流动层面上，质量管理非常必要，连大数据也不例外。......
2023-11-16
-
数据质量管理实用案例：提升数据质量与安全详细阅读
最近以数据治理、数据法规遵守为题的项目渐渐增多，下面介绍几个企业进行数据质量管理的案例。在这类项目中，数据质量管理被认为是必要而必需的。而且数据质量管理在数据质量问题发生后的原因追查中，作为决定性因素，以减少项目数据层面的危险为目标实施。通过第1阶段初步质量管理标准可以看出我国企业的数据质量管理现状。目前为止，因受数据质量管理的几处制约，在IT组织中，投资优先顺序已下降。......
2023-11-16
-
数据质量管理与云环境，保障大数据安全详细阅读
最终，信息所有者必须负责他们的敏感信息的安全性，并应该构成他们的数据库安全战略和合伙人。这导致数据分离和义务规则的违反，数据分离和义务规则的违反使内部人员盗窃或伪造敏感数据成为可能。不建议某些企业因为这样的原因，将数据移动到云或虚拟化环境中。在这里，数据库安全问题对于云引进来说是一块相当大的绊脚石。......
2023-11-16
-
数据库安全构建的理解：数据质量管理与安全管理详细阅读
为保证有效的DB安全，导入并构建商用化的专业安全解决方案。另外，通过数据加密的处置方式，揭示了对数据进行伪装处理的技术，但因为有安全性限制，要满足数据加密的相关安全要求事项十分困难。据此，探讨DB安全解决方案导入的用户们抛弃现有充满怀疑的成见，有望以积极的态度理解不同安全产品的特性并结合内部环境选择解决方案。......
2023-11-16
-
数据质量管理的重要性详细阅读
数据质量非常重要，数据的不确定性或质量低下会带来很多弊端。数据质量管理会对企业的经营质量管理和信息系统质量管理产生直接的影响。除了将数据的准确性视为质量的基本标准，数据的快速提供、数据应用的方便性等也常被视为质量标准。最近全球出现的数据质量管理受法律强制规范的现象尤为突出。为达成这一目标，全面提高数据质量管理标准的重要性正在凸显，也相应提出了不少方案。数据难以管理的主要原因是相关对象繁多且复杂。......
2023-11-16
相关推荐