太多的組織未能實施有效的數據質量和風險管理政策。當數據進來時，他們通常會先驗證和清理它，然后再更廣泛地分發(fā)它。重點是防止下游系統(tǒng)接收錯誤數據。這很重要——但是通過專注于臨時事件解決方案，組織很難以結構化的方式識別和解決重復出現的數據質量問題。

為了糾正這一點，他們需要能夠持續(xù)進行分析，旨在了解他們的數據質量并隨著時間的推移對其進行報告。目前整個行業(yè)中很少有組織這樣做，這是一個重大問題。畢竟，無論一個組織做了多少數據清理，如果它無法跟蹤過去所做的事情，它就不會知道特定數據項包含差距、完整性或準確性問題的頻率，也不會了解這些問題最密集地聚集在哪里。

僅將數據質量工作集中在日常數據清理上也可能導致組織難以了解數據質量錯誤的發(fā)生頻率，或者快速批量驗證替換更徹底分析的頻率。對于許多人來說，他們對日常數據清理的關注掩蓋了這樣一個事實，即他們對數據質量沒有清晰的了解，更不用說如何衡量它或制定更全面的數據質量政策了。當消防以正確理解潛在質量驅動因素為代價時，這是一個大問題。

特別是在對正當程序和適用數據的監(jiān)管越來越規(guī)范的行業(yè)中，未能實施數據質量政策和數據風險管理流程的風險可能是深遠的。

實施框架

為了解決這個問題，組織需要建立一個數據質量框架。這意味著要確定關鍵數據元素是什么、這些數據中的風險和可能的錯誤或差距是什么，以及哪些數據流和控制措施到位。到目前為止，很少有組織實施了這樣的框架。他們之前可能已經實施了嚴格的 IT 控制，但這些控制往往側重于流程而不是數據質量本身。

通過使用數據質量框架，組織可以概述一項政策，該政策建立了數據質量的明確定義以及該方法的目標是什么。它還記錄了數據治理方法，不僅包括流程和程序，還包括責任和數據所有權。

該框架還將幫助組織建立數據質量的維度——例如，數據應該是準確、完整、及時和適當的。對于所有這些領域，需要制定關鍵績效指標 （KPI），以使組織能夠衡量數據質量在每種情況下的含義。需要實施和監(jiān)控關鍵風險指標 （KRI），以確保組織了解其風險所在，并具有有效的控制措施來應對這些風險。應與所有利益相關者共享 KPI 和 KRI，以進行定期評估。

數據質量智能的作用

數據質量框架將不可避免地關注組織數據質量工作的運營方面。為了將數據質量提升到一個新的水平，企業(yè)可以采用數據質量智能方法，使他們能夠獲得更廣泛的洞察力、分析、報告和警報。

反過來，這將使組織能夠捕獲和存儲有關數據質量的歷史信息，包括修改項目的頻率以及錯誤標記數據的頻率——錯誤級別以及驗證規(guī)則質量的良好指標。更廣泛地說，它將啟用對這些異常的關鍵分析能力；出現的任何數據問題；數據質量 KPI、供應商和內部數據源性能、控制有效性和 SLA 的關鍵數據控制和報告功能的有效性。

簡而言之，數據質量智能有效地在框架提供的操作數據質量功能之上形成了一層，這有助于可視化該框架已實現的目標，確保所有數據控制都是有效的，并且組織正在實現其 KPI 和 KRI。它不是一種操作工具，而是一種商業(yè)智能解決方案，可提供有關組織如何針對其關鍵數據質量目標和目標執(zhí)行的關鍵洞察。CEO 和首席風險官 （CRO） 將從該功能中受益，合規(guī)和運營風險部門也將受益。

雖然數據質量框架有助于組織數據質量工作的運營方面，但數據質量情報讓關鍵決策者和其他利益相關者深入了解該方法，幫助他們衡量其成功并證明組織符合其自己的數據質量政策并符合相關行業(yè)法規(guī)。

最終，這種方法的好處是多種多樣的。當然，它通常會提高數據質量。除此之外，它還可以幫助組織證明其數據的準確性、完整性和及時性，從而幫助他們滿足相關的監(jiān)管要求并評估是否符合他們自己的數據質量目標。

對于所有此類企業(yè)來說，確定其數據質量流程的時機顯然已經成熟。

審核編輯：郭婷