许多企业领导人正在逐渐意识到大数据对企业组织运营轨迹产生的巨大影响，因为它涉及到：
不过，郑重警告—如果数据不准确、不完整、不一致，可能导致业务决策重大失误。事实上，据Gartner估计，数据质量差每年对企业平均财务影响达到1,500万美元1，这意味着，如果现在不将数据质量管理列为首要工作，其后果是企业无法承受的。
什么是数据质量管理？
数据质量管理 (DQM) 是一种业务原则，指相关人员、流程和技术相结合，实现企业至关重要的共同目标，即改进数据质量。
最后一部分很重要：DQM的最终目的不仅提高数据质量，以获得高质量数据，而且利用高质量数据实现业务结果。一个大的问题是客户关系管理，简称CRM。正如经常提到的，“只有包含的信息好，CRM系统才会好。
高质量数据的基础
有效数据质量管理需要一个能够支持数据操作的结构化核心。以下是数据基础架构实现高质量大数据的五个基本原则：
企业实施DQM措施时，IT领导应考虑以下角色：
DQM计划管理员：这个角色设立数据质量基调，帮助确定数据质量要求。他们还负责日常数据质量管理任务的处理，保证团队按时、在预算内实现预定数据质量标准。
组织变更管理员：这个人选在有效使用数据发生变化时的变更管理中发挥着重要作用，他们制定数据基础架构和流程决策。
数据分析师或业务分析师：这个人选负责解释和报告数据。
数据管理员：数据管理员负责管理企业数据资产。
很简单，如果没有数据质量定义标准，如何知道符合或超过标准? 数据质量定义因企业而不同。
大部分定义数据质量的关键点在行业和企业之间有所不同。但定义这些规则对于成功使用商业智能软件是必不可少的。
确定数据质量定义时，企业可能需要考虑以下高质量数据的特性：
此外, 为确保每次都满足这些特性，数据保护专家建议实施DQM策略时，遵循以下指导性管理原则：
合规：合规代理如何确保符合治理原则?
数据分析是一种确保数据质量的审核流程。这个过程中，审计人员根据元数据和现有测量结果确认数据。然后，报告数据质量。定期进行数据分析活动是保证数据质量，确保企业在竞争中保持领先地位的可靠方法。
BI系统挑选出潜在的错误或不完整数据之后，开始对相应的数据进行更正，例如补充数据、删除重复或解决其他一些数据问题。
数据质量管理的五个最佳实践
对于刚刚开始数据质量管理流程的企业来说，请记住下面五个最佳实践：
首先，您可能有很多客户数据。您不想扔掉重头来，但正如科技世界常说的一句话“输入的是垃圾，输出的也是垃圾”。
根本没必要用不良洞察填充新的数据基础架构。因此, 当您开始进行数据质量管理时，一定要对现有数据进行审核，包括清点不一致、错误、重复；记录并更正遇到的任何问题，确保进入基础架构的数据具备应有的高质量。
防火墙是防止拦截比喻为火灾的自动化流程。这种情况下，火灾指不良数据。建立防火墙防止企业受不良数据影响有助于避免系统出错。
用户很容易出错，防火墙可在输入点拦截不良数据防止这个过程。允许多人在基础架构中输入数据，会在很大程度上影响数据质量。但是，许多大型企业必须有多个入口点。
防火墙有助于保持数据无错，即使许多人输入数据。
当今企业文化中，流行词就是集成。难道不是吗?
系统协同工作效果更好。这里的概念是，任何企业的业务都不可能始终为准确梳理每个数据记录提供所需的必要资源。而DQM流程与BI软件集成有助于这项工作实现自动化。根据预定参数，某些数据集可以隔离检查。例如，有可能经常访问的新数据集可以作为DQM周期的一部分进行审核。
如上所述，企业中多个职位负责数据质量流程。每个职位安排胜任工作的人员上岗，可以确保始终满足管理标准的要求。
建立数据管理委员会有助于企业避免数据驱动决策面临风险。委员会由业务和 IT用户以及主管人员组成。委员会负责制定政策和标准支持数据管理。
此外，数据管理委员会应定期召开会议制定新的数据质量目标，监测业务线是否成功落实DQM计划。这方面，制定客观测量尺度是十分必要的，因为要想提高数据质量，必须有衡量方法。
数据质量管理是马拉松，而不是冲刺
大数据是当今数字世界开展业务的重要组成部分。大数据可以提供其他工具或资源无法提供的客户和竞争对手洞察结果。
由于速度快，大数据可供业务主管用来实时决策。但也正因为如此，需要妥善管理其所带来的业务风险。DQM是实现这一目标的有效工具。
总而言之，DQM对于企业来说具有许多优点：
取得更好的业务结果—DQM便于更好地了解客户、供应商、市场营销等方面的情况。
增强信心–DQM有助于制定更明智的业务决策。
充分考虑这些因素的同时，还必须记住，DQM是一个持续的过程，需要不断进行数据监测和报告。
这些贴子仅是我的个人观点，不一定代表BMC的立场、策略或意见。
