Page 106 - 企业标准化生产与质量控制
P. 106
企业标准化生产与质量控制
Enterprise Standardized Production and Quality Control
的完整性，在衡量其属性时，依据为空值所占比例。其次，校验数据准确性时，
主要查看数据是否出现错误现象，如数据定义范围准确，值不存在意义且超出定
义范围，则可看做数据错误。另外对于及时性的检验，可以根据时间间隔做出判
断，以确定数据是否出现延时问题。最后，在衡量数据的一致性时，所用依据为
合规记录所占比例，而对于逻辑关系的判定，则可根据合规率做出判断。依据所
构建的数据质量评价体系，采用量化指标的形式表示数据质量，当发现异常数据
时可及时发出警报，进而快速、准确的进行定位，在第一时间处理异常数据，避
免对其他数据质量造成影响，加强对数据质量的管理力度。
图 3-1 数据质量体系
（二）做好数据采集、分析及监控工作
对于数据质量的管理来讲，数据采集、分析及监控是必不可少的。在实际管
理过程中，可依托数据质量评价体系，在其流转过程中设置多个采集点，具体可
设置在数据接入后、格转后、清洗前、清洗后以及提取后等环节。然后设定好相
应的采集规则，进而得到数据分析报告，了解数据及评价接入数据的质量情况。
再与前后采集点的数据分析报告进行比较，根据对比结果可对整个数据处理过程
的工作质量做出客观、准确的判断。在这过程中，可以通过数据清洗对其进行预
处理，主要是借助数理统计技术、数据挖掘技术等。结合设定好的清洗规则，对
其中的残缺数据、错误数据及重复数据进行处理，使其能够满足数据质量要求。
以残缺数据的清洗为例，残缺值可用最小值、最大值、平均值及概率估计代替，
进而实现对数据的清洗，确保数据质量。构建数据质量持续改进体系，找出引发
92
