Page 105 - 企业标准化生产与质量控制

第四章 基于大数据和人工智能的质量控制

（二）数据的实时性
大数据时代，信息的时效性越来越重要。在许多领域和业务中，如果不能及
时处理和分析数据，就会错失商机或蒙受重大损失。所以数据的实时性越来越受

到重视，可以极大地提升企业决策的敏捷性。实时数据采集、实时预测和实时应
用是数据实时性的重要体现。这就要求企业在质量管理中，需要将数据实时化，
通过数据挖掘和分析手段，快速解析数据，及时发出警报和采取相应的纠正措施，
从而降低企业的风险和成本。

（三）数据的量化性
在大数据时代， 数据量呈爆炸式增长。 不仅数据量巨大， 而且数据的更新
速度非常快。 通过对数据进行分析， 企业可以发现生产环节中的不良品率和导
致不良产出的因素等， 以及在产品设计领域的创新方式和可持续性的改进路径，

提高企业决策的精准性。 数据量化的特征要求企业要有先进的技术和高效的筛
选手段， 以快速采集、整理和结构化数据， 并从中提取规范的数值特征，将数
据转化为评估和管理的指标。
（四）数据的可靠安全性

在信息时代，数据失误、毁坏和泄漏已成为企业最大的威胁之一。而随着数
据量的增加，数据管理和安全工作也变得更加复杂。为了减少风险，企业需要加
强对数据的管理和实施严格的数据安全措施。数据可靠性的问题包括了确保数据

来源的准确性和一致性，以及数据处理和管理过程的质量和完整性。另外，在大
数据时代，面临的安全挑战也越来越多。数据的保密性、完整性和可用性成为了
数据安全的 3 个关键方面。企业不仅需要加强网络安全防护，还需要在数据整个
生命周期中，进行数据加密、备份和回归测试等相关工作。

二、大数据背景下数据质量管理优化对策

为解决大数据质量管理存在的问题，必须采取科学、有效的优化对策，提高
大数据质量管理水平。

（一）构建数据质量评价体系
完善的质量评估体系，能够确保数据质量管理的规范性，而数据质量的维度
体系主要包括完整性、准确性、及时性和一致性，如图 3-1 所示。在构建数据质
量评价体系时，应从这四方面考虑。首先，可以根据唯一值和记录数来判断数据

91