数据治理前，企业如何自查数据质量( 二 ) 本文转自：中国发展网导读：

2.从数据自身的角度自查数据质量
遵守数据质量自查标准即可，见图一：

文章图片

文章图片

图一自查数据质量的方法（数据角度）
3.从业务管理和数据应用分析的角度判断数据质量

文章图片

文章图片

4.数据自查具体步骤
1）明确目标，有针对性开展评估
评估的最终目标是为了使数据质量更好地满足业务的需求。所以首先应该明确业务对各类数据的各种要求，有针对性地对各类数据进行评估。
2）根据业务需求，确定评估细节
对于不同类别的数据，要根据当前的目标和需求选取不同的评估维度，设立不同的评估标准，对同一数据的不同生命周期也是如此。最终，可以根据各种细节确立一套合理高效的评估体系，归入日后的数据管理常规性工作中。
3）实施评估，合理选择方式方法
在实施评估的过程中，应该根据不同数据的特点，选择对应的测度，运用合理的方式方法，多维度结合考量，保证评估结果的准确性。
4）结果分析
作为数据治理项目实施的重要依据，在撰写数据质量评估报告时，应从企业的角度对评估结果进行合理分析，给出确定的结论和目标需求，有效指导后续的工作。
5.数据质量自查实例
【案例一】数据规范、标准问题：国内某大型箱包生产企业集团。
1）编码数据模型不统一、不标准，如表一所示：

文章图片

文章图片

分析：通过以上数据可以看出，不同编码的规格型号的描述方式相差较大，有纯汉字说明和借用编码流水号两种，二者的共存很容易导致一物多码或一码多物的问题发生，因为不一样的描述方法，业务系统无法验证新增数据时的重复所在。且物资描述不标准、不清晰，规格型号用编码来代替，新员工难以快速理解，容易导致错误采购、错误生产、错误盘点等现象的发生，对业务产生负面影响。
2）规格型号书写格式不规范，如表二所示：

文章图片

文章图片

分析：规格型号的描述中“织唛”前有的有空格，有的没有空格，这种现象的出现直接导致现有业务系统无法实现有效查重，出现重码现象在所难免。
【案例二】数据冗余问题：国内某大型装备制造企业集团。
企业的数据规范和标准长期由人工执行，以及数据新增时的人为查重、人为监管等，导致了主数据层面“一物多码”的大量存在，产生了大量的主数据冗余。
1）书写格式不规范，出现了大小写（同一小类）不统一的情况，如表三所示：

文章图片

文章图片

分析：表三的编码中，编码属性模板还是比较标准的，但是在实际录入过程中出现了大小写不一致的问题，如最后三条编码规格中用的是小写，往上三行是大写，再往上又有小写出现，这很明显地说明了缺乏严格的数据验证制度，所以编码重复在所难免。