数据质量问题的分析和改进

在如今火爆的数智化时代，企业都在利用大数据创新业务、获得价值；然而，数据能否更好地赋能业务，取决于企业数据质量的好坏。好的数据质量，经过数据分析、挖掘、机器学习等手段，可以更好地辅助业务决策、帮助企业降本增效；差的数据质量，从数据中获得的价值有限，甚至会误导做出错误的业务决策，从而给企业带来灾难性的后果。

那么，一个企业的数据质量如何，如何评估？常见的数据质量问题都有哪些？这些问题是什么原因造成的？

数据质量评估维度

在评价企业数据质量的好坏时，首先需要定义评估的维度，通常较为重要的数据质量维度有以下6个：

• 数据唯一性： 是指数据唯一，不存在重复记录。即：不会出现一物多码，一码多物的情况。例如：主键唯一性，同一个ID不会重复记录。
• 数据完整性： 是指数据在创建、处理流转过程中无缺失和遗漏，包括实体完整、属性完整、记录完整和字段值完整。例如：员工的工号不可为空。
• 数据准确性： 是指真实、准确地记录原始数据，无虚假数据及信息。数据要准确反映其所建模的"真实世界"的实体。例如：在业务系统上填写信息时，手误输错了新车类型信息，造成了数据库里存在的信息与真实世界不一样。
• 数据一致性： 是指数据是否遵循了统一的规范、是否符合逻辑。例如：同一车型所对应的名称在不同系统中保持一致。
• 数据及时性： 是指及时记录和传递相关数据，从而满足业务对信息获取的时间要求。主要指数据提取要及时、传送要及时、转换要及时、加载和展现要及时。
• 数据有效性： 指数据的值、格式和展现形式符合数据定义和数据业务定义的要求。例如：手机号要符合全球手机号码编码规则。

数据质量问题分析原因

从数据的整个生命周期来看，任何一环节都有可能产生数据问题。在数据的采集阶段，数据的真实性、准确性、完整性、一致性等会影响数据质量。在数据的加工、存储阶段，也涉及到对数据的修改，也可能引发数据质量问题。所以，业务、技术、管理等多方面的因素都有可能会影响到数据质量。

业务问题

• 业务需求不清晰

  在业务需求不清晰的情况下，很容易造成由于理解偏差，最终导致结果数据有问题。

• 需求频繁变更

  需求一旦变更，其中数据采集、数据处理、数据存储等环节就可能会受到影响，稍有不慎引入Bug，便造成数据质量问题。

• 数据填报缺失或不准确

  业务系统侧，在数据录入时，漏填或填错信息，造成数据的质量问题。

• 数据作假

  为了提高或降低考核指标，对一些数据进行人为造假，使得数据真实性无法保证。

技术问题

• 数据库结构设计问题

  例如：数据库表结构、数据库约束条件、数据校验规则的设计开发不合理，造成数据录入无法校验或校验不当，引起数据重复、不完整、不准确。

• 数据采集问题

  从业务系统采集过来的数据本身就有一些不完整、重复、不规范，如果没有清洗、及时纠错或清洗代码有Bug，就会造成有质量问题的数据进入。

• 数据处理问题

  数据在传递、数据转换、数据存储过程中，任一环节有技术问题，都有可能造成数据质量问题。

• 各系统孤立开发

  业务系统各自为政，孤立开发，系统之间的数据孤岛、数据不一致问题严重。

管理问题

企业管理缺乏数据思维， 没有认识到数据质量的重要性。没有进行统一数据管理，没有明确的数据质量目标，也没有制定数据质量相关的政策和制度等。

数据质量问题改进指导

正如上述所列，造成数据质量差的原因有很多；那么，面对企业数据质量差的问题，如何改进？借鉴PDCA循环（又名戴明环）进行数据质量持续改进，以达最终数据质量目标。

PDCA循环

PDCA是一套“目标管理”流程，通过规划、执行、检查、行动四阶段，确保每次的目标都能达成。PDCA循环在质量管理中得到广泛的应用。

PDCA的四个阶段：

• 计划 PLAN

  先确定数据质量目标，可通过数据质量评估标准为当前企业数据质量进行评估，设定改进目标。 对照目标制定计划与实施方案。在制定实施方案时，每1项措施要符合5W1H，即：为什么制定该措施？达到什么目标？在何处执行？由谁负责完成？什么时间完成？怎么完成？ 比如：一项措施是为企业制定并执行数据标准。

• 实施 DO

  依据上一步计划与实施方案进行执行。 比如：制定好数据标准，推广到各部门执行。eg. 某车企会员类型（企业代码标准、2位编码）:01 普通卡、02 黄金卡、03 钻石、04 超级VIP卡；车保险种类代码（外部代码标准、4位编码）：10100 交强险、10200 商业车险 等等。

• 检查 CHECK

  完成一轮的实施之后，进行检查，对比当前实际情况与预期目标的差距。

• 行动 ACT
  对于本轮的经验和措施形成标准，标准化下来，持续运行，防止质量倒退。 对于没有达到预期效果，分析原因，制定下一步行动，继续下一轮的PDCA循环。

所有措施不可能在一个PDCA循环中全部解决，遗留的措施会自动转进下一个PDCA循环，周而复始，螺旋上升。

改进措施

有了PDCA循环的指引，透过PDCA环高效完成达到目标的所有措施，持续改进数据质量。在制定有效措施方面，始终要遵循：及时发现问题 -> 立即解决问题-> 提前预防问题；因此，归纳改进措施如下。

事前预防

• 提高全员数据质量意识。加强培训、Session分享、或出题考试等，通过各种手段培养员工重视数据质量，了解数据对下游所产生的影响。
• 制定数据规范、数据质量标准、元数据管理等。
• 建立自动系统，数据输入控制，防止无效或不准确数据进入系统。
• 制定正式的变更控制、把关过程，防止正常处理流程之外直接更改数据。
• 制定相关制度来避免数据问题，如：严禁无记录无跟踪人为篡改数据。

事中监控

问题发生，及时纠正，最大限度地降低纠正措施成本和风险。

• 构建日志管理体系，问题及时追踪处理。
• 构建数据异常处理机制与告警办法
• 创建数据质量监测平台，自动执行数据质量检查和审计过程。
• 问题发生，及时数据修正：程序自动修正、程序自动发现且人工修正。
• 建立数据质量的流程化控制体系，对数据的采集、加工、存储等环节进行流程化控制。

事后完善

• 问题发生解决后，要复盘，完善相应的预防措施、数据规范、数据管理制定与政策等等
• 定期评估度量，落实行动项，逐步提升数据质量。

写到这里，想必大家对于数据质量问题的分析与改进有了一定的认识。总之，记住下面这句话:

【首先】数据质量评估 -> 发现问题，

【其次】问题根因分析 -> 分析问题，

【最后】戴明环方法改进 -> 解决问题。