|
作者：MTC-DQM 在企業實施數據質量管理項目的過程中，你認為哪種錯誤是最常見的？在即將啟動企業級的數據質量管理項目之前，有哪些常見的錯誤是可以避免的呢？ 數據質量管理錯誤No.1:期望靈丹妙藥。 一些企業認為通過購買打包式解決方案就能處理所有的數據質量問題，并且能將質量問題立即消除。企業開展數據質量項目的第一步，通常是購買數據質量工具。通過企業購買數據質量工具的頻率，我們可以看出企業對質量管理“魔法工具”的熱衷和樂觀期望。在執行數據質量改善項目前購買軟件，顯然是處于應激的環境。同時數據質量是由技術驅動解決方案這一觀點也是對大家的誤導。似乎更多時候，高層管理者考慮的是如何“修理”不符合規則的數據，而不是考慮如何從源頭阻止劣質數據的進入。 您的企業多長時間采購一次數據質量工具？您購買的工具是立即投入使用了還是被束之高閣了？盡管數據質量工具可以作為數據質量管理項目的一個重要組成部分，但企業首先要問自己，購買工具的動機并考慮自己的流程，以及這兩方面對實現數據質量改善所能發揮的潛在作用。 數據質量管理錯誤No.2:沒有正確的專業知識。 一些企業還有這樣的一種期望：只要數據質量項目在企業內部一啟動，數據就會發生明顯的改善。實際上，也不是這樣的。開發數據質量管理項目是一個戰略任務。它的成功取決于業務和技術這兩方面專業知識的共同支持。數據質量管理的很大一部分情況是非常復雜的，尤其是企業級的數據質量管理，它是依賴于咨詢的。 額外的復雜性是由方法和工具對流程的強耦合來引進的。通常，數據質量管理者需要對數據質量改善行動負有責任，因此他必須具備一定的知識或權力，否則就無法保證數據質量改善活動的進行。沒有相應的知識和權力，就無法提出相應的數據質量解決方案，其數據質量改善團隊也不清楚從哪里開始著手數據質量改善的活動。出現這種錯誤的原因就是因為沒有引進具備適當的專業知識的人以支持和促進項目的啟動。 數據質量管理錯誤No.3:企業文化變遷。 我們試著改善數據的質量，卻經常忽略我們必須在現存的企業文化中工作，以尋求改善的目標。如果不了解人們最初是如何引入的信息，技術也就無法終止數據質量的問題。 集中分析數據倉庫的變化就是一個很好的例子。在將來自眾多系統的數據項導入數據庫之前應準備對其進行提取、聚合及轉換等工作。當數據項被合并在一起的時候，就可能會出現數據質量問題（也許客戶的名字或賬號存儲的形式會稍有不同，相似列的數據類型可能會不匹配，導致數據值的丟失或字段的不完整）。但是，沒有上游系統控制者的配合，數據倉庫管理者就會經常對控制輸入數據的質量感到無能為力。想要數據倉庫中的數據質量高，就需要上游管理者對數據質量有更嚴格的要求。問題就在于如何讓“不起勁兒”的上游數據管理者能夠有效的對數據質量進行管理，最終使得數據倉庫中的數據質量得到其最初期望的改善。 如何避免數據質量管理中的錯誤 了解數據質量管理項目中常見的錯誤能幫助企業避免錯誤的發生。參考以下的幾條經驗有助于幫助企業數據質量的改善：
|
|
|
