数势立本
善战者，求之于势，立之于本。
数据作为新型生产要素，是时代发展的重要标志。孙子曰：“善战者，求之于势”。CSTC将与您一道拥抱变革、顺势而为，论数据治理之形势，寻数据价值释放之根本，以评促治、以评提质，助力我国数字经济高质量发展。
当前，数据作为重要生产要素在经济社会各领域深入应用，企业数据资产意识不断提升。数据管理能力是企业管好、用好自身数据，充分释放数据价值的重要基础。GB/T 36073-2018 《数据管理能力成熟度评估模型》（以下简称DCMM）作为我国首个数据管理领域国家标准，为我国数据管理体系建设、企业数据管理能力提升提供了标准化支撑。其中，数据质量作为DCMM的八大能力域之一，是保证数据应用效果的基础，数据资产化、数据驱动均依赖于高质量数据。
数据质量是指数据对其期望目的的满足度，即从使用者的角度出发，数据满足用户使用要求的程度。根据DCMM，数据质量能力域重点关注数据质量需求、数据质量检查、数据质量分析和数据质量提升的实现能力。PDCA循环是质量管理的基本方法，DCMM中数据质量的管理遵循PDCA循环。数据质量管理通过对数据计划、采集、存储、共享、维护、应用、消亡生命周期的每个阶段中可能引发的各类数据质量问题进行识别、度量、监控、预警等，从而推动企业高质量数据获取能力和数质量管理能力提升。
图 数据质量能力域
数据来源：中国软件评测中心根据公开资料整理
一、数据质量需求是开展数据质量管理的基本依据
数据质量需求是指明确数据质量目标，根据业务需求及数据要求，制定衡量数据质量的规则，包括衡量数据质量的技术指标、业务指标以及相应的校验规则与方法。数据质量需求是度量和管理数据质量的依据。目前，企业在数据质量管理方面，往往面临管理目标不明确、管理规则不科学、管理成效与业务需求监管要求不匹配等问题，严重影响数据质量提升。为进一步明确数据质量需求，企业应当结合管理需求，参照外部监管要求，确立数据质量管理目标，明确各类数据质量管理需求，识别数据质量特性，定义各类数据的质量评价指标、校验规则与方法，并根据业务发展需求及数据质量检查分析结果对数据质量规则进行持续维护与更新，确保数据质量需求与企业数据质量现状相匹配，为持续提升企业数据质量奠定基础。
二、数据质量检查是发现数据质量问题的有效途径
数据质量检查是指根据数据质量规则对数据质量情况进行实时监控，从而发现数据质量问题，并向数据管理人员进行反馈的过程。大数据时代，外部监管日益严格、现代企业内部管理日益精细，对企业数据质量提出了更高要求。而传统数据管理中的“重建设、轻管理”，存在基础数据质量薄弱、对数据质量问题响应慢、解决问题效率低等问题，严重影响了企业数据质量的可持续提升。数据质量检查是发现数据质量问题、提升数据质量的有效途径。企业应组织开展数据全生命周期质量检查，全面监控企业数据质量，实现数据异常情况“及时发现、及时处理、及时上报”，形成决策层、管理层、执行层以及各业务部门间联动，保障数据质量问题管理的持续性、高效性。
三、数据质量分析是持续提升数据质量的根本保证
数据质量分析是对数据质量检查过程中发现的数据质量问题及相关信息进行分析，找出影响数据质量的原因，并定义数据质量问题的优先级，作为数据质量提升的参考依据。数据之所以会出现质量问题，是因为“脏数据”的存在，如果问题产生的根本原因不明确，则数据质量问题还会不断产生。企业应结合自身实际，建立数据质量问题评估分析方法，定期对数据质量的检查结果进行分析和量化，查找出现质量问题的环节，对数据质量问题进行原因分析、影响评估，针对问题根源改进工作规范和工作流程，建立持续更新的数据质量知识库，持续提升数据的完整性、规范性、一致性、准确性、唯一性、及时性等。
四、数据质量提升是促进数据价值释放的重要基础
数据质量提升是改进数据质量问题、提升数据质量水平的过程，通过加强数据质量分析结果应用，制定并实施数据质量改进方案、数据质量问题预防方案，从而有效保持数据质量改进成果。企业应建立预防和改进相结合的数据质量提升思路。一是实施源头治理，深入研究数据质量问题所遵循的客观规律，分析其产生的机理，探索科学有效的控制方法和改进措施。二是要定期组织面向多层次受众“量身定制”全方位宣贯培训，深化数据质量管理意识，建立良好的数据质量文化，提高数据质量提升全员参与度。三是在风险管理、业务经营与内部控制中加强数据应用，深化细化数据需求、及时发现和改进存在的数据质量问题，从而以数据为驱动，以场景为牵引，释放数据价值，不断提高管理精细化程度。
大数据时代，给企业带来了巨大的机遇与挑战。强化数据应用、促进数据价值释放成为企业竞争的重要环节。而数据质量作为数据的生命线，是开展大数据应用分析的前提，是保障大数据应用产生价值效应的基础。企业要加快投入到“数据驱动”的战略发展转型和业务创新中，顺势优化数据质量管理体系，尽快适应“精、准、快”的数据质量要求，探索建立全覆盖、高效、可持续的数据质量管理体系，不断提高数据质量，提升数据资产价值，为企业向数字化、网络化、智能化转型发展奠定基础。
