取消
搜索历史
热搜词
原创
活动
产业创新
转型理念
ENI专访
当前位置:首页 >文章发布 > 正文
昕诺飞数字化负责人王益民:数据整理:确保数据质量的持续之旅
来源:ENI经济和信息化网  作者: ENI 2024-03-12 11:01:31
随着数字化转型的深入推进,企业所遭遇的挑战日益多元化和复杂化,新型数字系统、数据分析平台等如雨后春笋般不断涌现。在这一变革性背景下,“Garbage In, Garbage Out”原则的重要性日益凸显。

数据整理:确保数据质量的持续之旅

数据整理的核心使命在于不断提升数据的质量,确保数据的准确性和可用性。这一点对企业至关重要。除此之外,数据的时效性和可溶性同样关键,比如在月结的关键时刻,如果数据收集出现延误,那么整个工作流程都可能受到严重影响。

数据整理与日常的数据治理工作紧密相连,它不是一次性的任务,而是一项需要长期坚持的战略性活动。很多看似微不足道的小问题,如果不及时加以处理,随着时间的推移都可能逐渐恶化,最终演变为难以收拾的大麻烦。

企业绝不能因为问题看似微小就对其视而不见。数据工作贯穿于企业的日常运营之中,每一个小错误的积累都可能引发大问题的爆发。这就要求每一位员工都要对数据工作保持高度的敬畏和责任心,确保数据的准确性、安全性和时效性得到严格保障。

谈及数据质量的维度,王益民介绍说,我们不得不提到完备性、有效性、准确性、一致性、完整性、及时性和唯一性这七个关键方面。它们构成了评估数据质量的综合框架,也是企业进行数据整理时的重要参考依据。需要特别强调的是数据完整性的重要性。它不仅关乎数据本身是否全面、正确,还涉及到数据从产生到使用的整个生命周期中各种属性的准确性、一致性等问题。因此,在数据整理的过程中,完整性是确保数据质量不可或缺的一环。

数据治理体系:规范、整合与提升

在数据治理领域,企业常涉及的数据类型包括主数据、交易数据、参考数据、描述数据的元数据以及统计数据。在这些数据类型中,主数据和交易数据往往是数据治理工作的重点,需要投入大量精力。为确保治理的有效性,企业必须建立相关的主数据管理制度,同时还需要明确数据属性的模板,包括字段数量、长度和属性等,以确保不同数据的规范性和一致性。

构建数据标准体系,企业应更多关注基础类数据的整理。这类数据包括日常的标准数据、产品标准等,它们构成了我们所说的“标准主数据”。另一类重要的数据是绩效管理数据,如销售指标、KPI考核指标等,这些数据在进行报表分析时经常使用,如同比、环比等分析方法。这些数据标准体系的建设,需要有一套完整、统一的标准来处理各种各样的数据。

“企业需要关注数据的生命周期管理。”王益民谈到,就像任何事物都有其生命周期一样,数据也有其生命周期,企业在制作报表时需要考虑数据的时效性,比如今年的数据可能在明年就不再具有参考价值。数据的格式和标准也需要随着时间和需求的变化而调整。因此,在数据库管理中,企业需要充分考虑数据的标准生命周期,以确保数据的准确性和有效性。

数据治理的成功实践离不开人的因素。转变员工的思维方式、加强教育培训以及确保全员参与数据治理工作取得成效的关键所在。数据治理工作的成效最终依赖于人的执行。因此,建立明确的考核和审核标准,定期评估工作进展,检查员工成果是否符合既定标准和规范,是保障数据治理工作持续推进的重要环节。

此外,借助第三方数据平台的力量也是提升数据治理水平的有效途径。这些平台汇聚了丰富的行业经验和知识,提供了便捷、规范的管理工具,为企业数据治理工作提供了有力支持。同时,国际数据管理协会(DAMA)的标准和案例也是企业宝贵的参考资源。如果企业有专人负责此领域,DAMA无疑将成为一个极具价值的交流和参考平台。

王益民最后表示,“遵循PDCA方法论,数据治理是一个循环的过程,从立项开始,经过质量体系的管控,再到回顾和改进,最后回到最初的治理业务规则。这种闭环管理确保了我们的数据治理工作不仅持续有效,而且能够不断获得提升和优化。”

1 2 3
编辑:刘婧
活动 直播间  | CIO智行社

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。