查看“DCMM数据质量分析”的源代码
←
DCMM数据质量分析
跳到导航
跳到搜索
因为以下原因,您没有权限编辑本页:
您请求的操作仅限属于该用户组的用户执行:
用户
您可以查看和复制此页面的源代码。
=== 概述 === 数据质量分析是对数据质量检查过程中发现的数据质量问题及相关信息进行分析,找出影响数据质量的原因,并定义数据质量问题的优先级,作为数据质量提升的参考依据 === 过程描述 === 过程描述如下: * 数据质量分析方法和要求,整理组织数据质量分析的常用方法,明确数据质量分析的要求; * 数据质量问题分析,深入分析数据质量问题产生的根本原因,为数据质量提升提供参考; * 数据质量问题影响分析,根据数据质量问题的描述以及数据价值链的分析, * 评估数据质量对于 组织业务开展、应用系统运行等方面的影响.形成数据质量问题影响分析报告; * 数据质量分析报告,包括对数据质量检查、分析等过程累积的各种信息进行汇总、梳理、统计和 分析; * 建立数据质量知识库,收集各类数据质量案例、经验和知识.形成组织的数据质量知识库. === 过程目标 === 过程目标如下: * 建立数据质量问题评估分析方法; * 定期分析组织数据质量情况; * 建立持续更新的数据质量知识库. === 能力等级标准 === 能力等级标准如下: ==== 第1级:初始级 ==== # 基于出现的数据质量问题进行分析和评估。 ==== 第2级:受管理级 ==== # 在某些业务部门建立数据质量问题评估分析方法,制定数据质量报告模板; # 对数据质量问题进行分析.明确数据质量问题原因和影响; # 在某些业务部门建立数据质量报告. ==== 第3级:稳健级 ==== # 制定组织层面的数据质量问题评估分析方法,制定统一的数据质量报告模板,明确了数据 质量问题分析的要求; # 制定数据质量问题分析计划,定期进行数据质量问题分析; # 对关键数据质量问题的根本原因、影响范围进行分析; # 组织定期编制数据质量报告,并发送至利益相关者进行审阅; # 建立数据质量分析案例库,提升组织人员对于数据质量的关注度; # 对产生的信息进行知识总结.建立数据质量知识库 ==== 第4级:量化管理级 ==== # 建立数据质量问题的经济效益评估模型,分析数据质量问题的经济影响; # 通过数据质量分析报告及时发现潜在的数据质量风险,预防数据质量问题的发生; # 持续改善优化数据质量知识库. ==== 第5级:优化级 ==== # 通过数据质量分析提升员工数据质量的意识,建立良好的数据质量文化; # 在业界分享最佳实践,成为行业标杆.
返回至“
DCMM数据质量分析
”。
导航菜单
个人工具
中文(中国大陆)
登录
命名空间
页面
讨论
大陆简体
已展开
已折叠
查看
阅读
查看源代码
查看历史
更多
已展开
已折叠
搜索
导航
DAMA中国
DMBOK知识体系
CDMP认证介绍
专业书籍推荐
专题
人与数据
DCMM评估
数字化转型
工具
链入页面
相关更改
特殊页面
页面信息