国产91精品

数据质量，是一个大问题，要有真正的足够的认识和理解才能给公司带来真正意义上的决策依据。

绝大多数公司将数据视为一个技术方面的问题，认为数据的安全、可用性和质量都应该由滨罢部门机构来保障。因而，他们不认真审视数据，并不将其作为一种重要的公司资产。

从数据质量产生的影响来看，它是一个商业问题。大多数公司需要经历一个思维的变革才能到达将数据质量看成是商业问题的程度，然后商业才能驱动和支持在提高数据质量方面所付出的努力。

公司一定要意识到对数据质量的提高和改善仅通过技术本身是难以达成的，必须结合管理制度约束、培训和流程改进，才能确保长期维持较高的数据质量。

　　数据质量在公司日常运营中影响着成本和生产效率，低质量的数据带来了高成本，降低了生产效率。对于叠滨智能分析这样的战略行动方案来说影响是巨大的。

数据质量是严禁性的，数据质量问题不仅仅只是技术层面的。要明白，人的因素在数据质量上会产生重大影响。然而，技术在修复很多数据质量问题时将会有它的角色。录入和使用数据的人们忽视了数据质量的指导性规范和制度。业务口上习惯于用自己的方式来处理业务。公司应该在每一个业务口上指定特定人员，负责录入和执行数据质量的工作。

公司和操作员经常认为数据是滨罢公司必须按需要提供的服务。他们将数据上出现的任何问题都归罪于滨罢公司，却恰恰忽略了问题的原因有可能是由于业务流程及其他在公司内部和外部活动中产生的数据，而这些数据是信息化系统只能收集、存储和展示的一部分。对数据来源缺乏了解导致管理者丧失了对数据质量的资源管理能力。

要想使信息化系统中的数据做到保证质量和时效，提高数据利用效率，就得对数据采集、审核、调整、存储、传输、发布等过程进行合理有效的计划、组织、协调和监督。

公司全体员工都应该统一思想，形成共识，规范管理，建立标准化规章制度，标准化流程，减少浪费，减少手动调和数据来节约成本，切实提高数据质量。

首先，建立健全的工作制度，明确岗位职责，形成高质量的数据保障体系。组建数据管理领导小组，由业务部门和信息部切实针对每一业务口制定工作制度、岗位职责，形成规范体系达到数据质量的保障。

其次，建立完善数据质量考核机制。强化数据质量的日常考核，开展数据质量专项检查、数据管理制度落实情况检查等活动，实地对各业务数据质量进行查验，对不按工作规程操作造成的虚假数据、垃圾数据和基础数据缺漏等切实兑现奖惩，促进数据质量不断提高。

第叁、加强培训，绩效引导，抓好数据质量的源头管理。加强培训，形成一套有效的岗前培训，不通过岗前培训的不得上岗，提高操作人员的操作技能，增强信息的准确性。

以绩效管理作为流程处理的助推器，详细划分各流程的绩效时间和操作错对分值。同时将绩效与本人和上级领导、分管领导的奖惩密切挂钩，较好地提高工作质量。

第四、强化数据运用，在应用中不断提高数据质量管理层次。充分利用叠滨等数据分析系统，把数据应用作为检验数据质量的重要途径，在评估分析、日常运用数据的过程中，比较分析，验证数据的准确性、逻辑性、完整性，从而发现问题，维护和运用好数据。

发布数据质量情况。利用集团对数据进行分析的工作对公司数据质量变化情况进行跟踪、分析，让公司较为清楚地知道本单位数据质量情况，以及本公司在集团内的排名，带动公司的主动性，共同提高数据质量。