信息系统全面数据质量管理研究

《信息系统全面数据质量管理研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、信息系统全面数据质量管理研究一、全面数据质量管理概述数据质量是信息系统能否实现管理目标的关键因素之一，但工作实践表明，对于大多数系统而言，保证数据质量仍然充满挑战。例如，对数据质量主要问题的研究还没有达成一致，涉及的技术和学科较多，整合难度大，数据质量问题的解决方法并不完整，或者过于宽泛，难以应用于实践。目前，为了解决数据质量问题，通常采用两种策略：被动数据质量改进和主动数据质量管理。与工业生产中的质量检查和产品再加工类似，被动数据质量改进主要关注数据本身，其目标是通过纠正数据缺陷来改进数据质量。常见的改进方法是通过数据清理（datacleaning)(如图1所示)

2、技术发现并纠正错误，而不是分析并解决缺陷原因，其目标在于通过计划和实施持续提高数据质量的活动来防止更多的数据缺陷。而主动数据质量是确定低数据质量的原因，通过在信息系统设计和实施时进行数据质量改进的方法，也可以在提供数据的业务流程设计和实施时进行。实际上，被动数据质量改进和主动数据质量管理都是提高数据质量的重要措施。被动数据质量改进丨倾向更适用于很少变化的数据，例如，主数据（masterdata)。另一方面，对于重要的、经常变化的数据而言，主动数据质量管理更加合适。1.1全面数据质量管理的基本观点。1988年，麻省理工学院（MIT)的StuartMadnick教授和R

3、ichardIT数据质量管理计划的一项重要研究成果，它从根本上改变了“数据是系统的附属品”的传统观念，为借用管理物理产品质量的方法来管理数据质量提供了前提和基础。数据质量是一个多学科交叉应用领域，需要实践人员与研究人员之间的交互与协作。为满足以上要求，多年来，MIT举办了大量的会议和专题研讨以及社团，促进实践人员、供应商、学者之间的交流协作。关于全面数据质量管理可从以下几方面加以理解：(1)全面数据质量管理的关键是提高人的素质，充分调动员工积极性。使参与信息系统建设、使用和管理的相关人员都有分工、有合作地介人到数据质量管理的实践中来。只有每个人认识到数据质量对组织管

4、理工作和用户使用需求的重要意义，树立牢固的全面数据质量管理思想观念，将这一观念贯穿于数据生命周期的全过程，用这一观念指导参与数据质量管理的每一位专业与非专业人员，使他们认真落实各项质量管理规定，切实做好本职工作、保证工作质量，从而有效提升数据质量或数据服务质量。(2)全面数据质量管理改进和提高数据质量的基本思想是，将的事后检查和把关为主转换为以预防和改进为主。强调在信息系统管理过程中将数据质量管理作为一项中心内容，通过多种管理手段，实施源头治理，对数据运行的全过程进行监控，密切关注数据质量的发展和变化，适时进行调整和校正，确保整个周期的高质量数据。与此同时，深人研究

5、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。主要表现在将过去组织松散、管理不力而导致数据质量低下的情况运用系统学观点进行全面综合治理，深刻认识数据质量问题的普遍性和特殊性，分领域、分阶段、有计划、有步骤地深人研究提高数据质量的理论和方法。发动组织全体成员以各部门为单位学习、运用科学管理理论方法对整个数据流程进行有效控制，建立良好的数据质量管理体系，从源头上控制数据质量问题的产生和蔓延，增强各个环节的纠错能力，坚决预防有误数据进人下一阶段，以确保数据的准确性、完整性、一致性和时效性。(3)全面数据质量管理要坚持服务用户的思想。由数

6、据质量的发展过程可以看出，用户对数据的使用满意程度越来越成为评价数据质量高低的标准，因此在数据的生成、加工、完善过程中要始终贯穿用户的具体需求，并将用户需求分解到数据流程的各个阶段加以落实，制定具体制度标准，使人员、部门都能按要求各司其职，提高服务客户的工作意识，确保数据质量能切实满足用户需求。1.2全面数据质量管理的特点。全面数据质量管理从过去的就事论事、分散管理，转变为以系统观念为指导的全面的综合治理，它不仅仅强调各方面工作各自的重要性，而且更加强调各方面工作共同发挥作用时的协同作用。其基本特点就是体现在“三全”，即“全面性”、“全员性和“全过程。(1)全面性。

7、全面数据质量管理的全面性主要体现在两个方面：一是管理对象的全面性，二是管理方法的全面性。从管理对象来看，全面数据质量管理的对象是数据质量,不仅指数据质量的基本特性，即适用性、准确性、适时性、完整性、一致性等，还包括用户对数据的满意程度等。只有从切实需求出发，才能最终提高数据质量。除此之外，管理对象全面性的另一个含义是，对影响数据质量因素的全面控制。影响数据质量的因素很多，概括起来包括人员、数据设计、数据标准、检测手段和环境等方面，只有对这些因素进行全面控制，才能提高数据质量。从管理方法来看，尽管数理统计技术在质量管理的各个阶段都是最有效的工具，但由于影响数据质量