一、数据质量管理操作流程图
数据质量管理框架主要由数据质量管理流程和数据质量管理工具构成，以数据质量管理流程为指导构建数据质量管理工具。数据质量管理流程主要从数据质量描述、数据质量识别、数据质量评估和数据质量控制四方面进行搭建；数据质量管理工具主要从数据标准管理、数据质量规则、质量检测任务、数据质量监控、数据质量报警、质量检测报告、检测报告分析、数据质量整改、数据质量跟踪方面进行规定。以下对数据质量管理流程中各个步骤的要求进行展开讲解。
二、具体步骤
1、数据质量描述
应根据平台企业管理的需求，参考外部监管的要求，确定平台企业数据质量管理目标。 应根据平台企业数据质量管理目标、数据标准规范和数据质量特性，确定平台企业数据质量评估维度。
2、数据质量识别
应根据平台企业业务发展的需求及常见数据问题，确定平台数据质量管理范围、各类数据的优先级以及质量需求。 应根据平台企业数据质量管理目标及需求，定义各类数据的质量评价指标、校验规则与方法。 应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升级。
3、数据质量评估
数据质量检查：应根据数据质量规则中的有关技术指标和业务指标、校验规则与方法，对平台企业的数据质量情况进行实时监控，若发现数据质量问题应及时向数据管理人员进行反馈。
数据质量分析：应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，并找出影响数据质量的原因；应定义数据质量问题的优先级。
4、数据质量控制
应根据数据质量分析的结果制定、实施数据质量改进方案，包括错误数据更正、业务流程优化、应用系统问题修复等。 应制定数据质量问题预防方案。
有关数据管理工具，其中数据标准管理要求支持并跟随国家、行业和地方标准的制定与执行；数据质量管理规则要求支持数据质量特性自定义质量维度、关联数据标准规范、根据基础规则和平台应用场景自定义业务规则等；数据质量检测任务要求做好数据的检测运维等；数据质量监控要求对数据进行监控，明确数据的来源与去向；数据质量报警要求支持问题数据的报警；并做好相应的数据质量检测报告与报告分析；最后进行数据质量的整改与跟踪。
左上角“海纳数智研究院”，感谢您的关注！
