什么是数据完整性？ 数据完整性是数据集的质量、可靠性、可信度和完整性——准确性、一致性和上下文。数据完整性建立在四个关键支柱之上：企业范围的集成、准确性和质量、位置智能和数据丰富。
了解数据是一种战略性企业资产，聪明的企业领导者正在建立清晰的框架来实施这四个数据完整性支柱。他们了解可靠、安全的互连（数据整合) 是一个明确的起点。他们还明白，不能从不准确或不完整的数据中得出有意义的见解（数据质量）。他们了解位置的力量（位置智能) 以及通过整合来自第三方来源的数据创造附加价值的潜力 (数据丰富）。
定义数据完整性
数据完整性建立在四个关键支柱之上：企业范围的集成、准确性和质量、位置智能和数据丰富。
1. 企业范围的数据集成
如果一个组织为其所有业务流程运行一个单一的、整体的应用程序，那么大多数数据完整性检查可能会在应用程序级别执行。几十年前，许多企业可能就是这种情况，但如今敏捷、创新的公司必须为核心 ERP、CRM、营销自动化、人力资源、分析等管理一系列不同的软件系统。
这导致了维护数据完整性的关键挑战之一：孤岛。当部门运行不同的软件系统以满足他们的个人需求时，他们会将这些系统与他们部门的独特需求保持一致。例如，这可能会导致这些不同部门处理客户记录的方式发生变化。如果他们使用不同的软件来管理该信息，并且如果这些系统以不同的方式对数据建模，则可能导致两个系统之间出现差异或不准确。当需要共享或分析数据时，这会成为一个问题。
在某些方面，公司本身已经成为孤岛。我们生活在一个高度互联的世界中，合作伙伴共享库存项目目录、序列号、客户等信息。共享信息消除了业务流程中的摩擦，但随着数据模型、业务流程和软件系统的数量越来越大，它放大了数据完整性的挑战。
因此，真正的数据完整性是根据一套标准一致地集成数据，该标准在组织内的不同系统上一致应用。
2. 准确性和一致性
这引发了另一个担忧。随着数据量的增加以及网络中系统数量的增长，数据完整性问题提出了越来越大的挑战。即使在最佳情况下，不准确或不完整的数据也会降低业务分析的价值。在最坏的情况下，它会使结果无效。
在大数据和人工智能时代，数据完整性是决定数字化转型计划成败的关键因素。随着物联网设备、移动应用程序和云连接的出现，公司必须处理的数据量比以往任何时候都多。Precisely 的首席技术官 Tendü Yoğurtçu 在_福布斯_：“糟糕的数据质量在规模上尤其成问题，会放大最初良性的数据问题并产生糟糕的业务洞察力。”
完善的数据完整性策略必须能够跨多个系统管理和验证数据，识别差距或差异，并触发工作流程和流程来纠正这些错误。
阅读研究报告：数据完整性趋势：首席数据官的观点，了解美洲、欧洲、中东和非洲和亚太地区的 300 多名 C 级数据主管如何管理企业数据资产，以推动可靠的数据驱动型业务转型。
3. 位置智能
位置智能涉及使用地理空间数据来降低风险、更好地了解客户行为并提高效率。几乎世界上的每个数据点都可以以一种或另一种方式与位置相关联。尤其是开展数字化转型计划的公司，应将位置智能视为其整体数据战略的关键组成部分。
这可能就像标准化客户数据库中的地址信息一样简单，以便可以在共同的上下文中理解和分析数据。例如，如果我们的数据告诉我们一个客户位于“123 Amherst Street”，而另一个客户位于“125 Route 101A”，我们可能无法理解他们位于同一条道路上，只是使用了不同的名称为那条路。完善的数据完整性策略将确保我们能够在适当的上下文中看到这两个位置。
在另一个层面上，位置智能可以为现有数据添加上下文。当我们能够更好地了解客户、商店位置或其他实体周围的边界、移动和环境时；我们可以获得更丰富的洞察力来推动更好的业务决策。
4. 数据丰富
这将我们引向一个良好的数据完整性策略的最后一个支柱：丰富。大多数领导者都明白他们的数据是宝贵的资产。当我们添加受信任的第三方数据时，该资产的价值就会增加。这是“一加一等于三”的经典案例。
让我们回到前面的示例，在该示例中，我们验证并标准化了客户和潜在客户数据库中的地址。这个过程让我们相信，我们从这些数据中得出的见解是值得信赖的。现在让我们考虑一个富集场景，在该场景中，我们将移动数据添加到等式中。如果我们的客户是零售企业，并且我们希望更好地了解他们，移动数据可以帮助我们分析流入和周边的交通流量。此外，我们可以清楚地了解流量的来源。突然，数据开始为我们描绘出一幅更详细的画面。
数据完整性势在必行
如果您的组织难以信任其数据，那么您并不孤单。据《福布斯》报道，84% 的 CEO 担心他们决策所依据的数据的完整性。
精确数据完整性套件是第一个完全模块化的解决方案，可显着提高客户交付准确、一致和情境化数据的能力。它涵盖了数据完整性的全部范围，具有一流的数据质量和数据集成的准确性和一致性，以及市场领先的位置智能和数据丰富的关键上下文元素。
在最近的一次IDC 对 310 名业务和数据分析师的调查中，近一半的受访者表示对数据质量普遍缺乏信任，56% 的受访者表示对数据分析结果缺乏信任。这种缺乏信任不是问题的根源，而是数据的症状。数据完整性为数据分析和自信行动打造了坚实的基础。数据的准确性和一致性，通过定位和丰富来增强上下文，可以帮助公司实现数据完整性。
要了解美洲、欧洲、中东和非洲和亚太地区的 300 多名 C 级数据主管如何管理企业数据资产以推动可靠的数据驱动型业务转型，请阅读 Corinium Intelligence 的研究报告，数据完整性趋势：首席数据官的观点。
原文标题：What is Data Integrity?
原文作者：Eric Yau
原文地址：https://www.precisely.com/blog/data-integrity/what-is-data-integrity
