当前位置：首页 > CIO > CIO商学院 > 正文

数据质量构建10误区

来源：世界经理人

2013/11/4 10:02:24

数据质量有10个误区是热衷于构建数据质量计划的企业应加以防范的。

关于高质量信息的价值，已有无数研究报告做了阐述，企业质量改进计划也迅速蹿红，成为业界关注的焦点。数据质量改进曾经是乏味无趣的工作，充斥着企业的后台管理系统，但如今它是享有最高优先级的工作。

不过，值得注意的是，数据质量改进不仅仅是姓名与通讯地址的更正，这个问题的复杂性与企业的信息使用量成正比。

有10个误区是热衷于构建数据质量计划的企业应加以防范的。

1. 使用灾难性事件作为改进数据质量的驱动力

奇闻轶事很容易获得上级管理层的认可，因为这些事件为他们提供了一个表现的机会―即更正其中的数据，从而成为“英雄”。由此带来的问题是，对于数据质量改进的关注度只能维持到发生下一次危机的时刻。满足一时之需，只能解决表面问题，无助于根除潜在隐患。

下面的列表将帮助你拟定一个可靠的价值主张，说明数据质量改进如何帮助企业高效地实现业务目标：

·找出糟糕的数据质量影响了哪些关键业务。

·将具体的成本与数据缺陷关联起来，并使用数据缺陷发生频率的函数计算总成本。

·使用相关业务术语量化上述影响。

·评估根除这些数据缺陷源头所需要的成本。

·确定用来对数据质量实施持续监测与报告的关键度量指标。

评估改进后数据质量的投资回报率时需要格外注意，不要把那些只包含运营预算或收益百分比等不确切“行业数据”的商业案例摆到企业高管层的面前，他们是不会关注这样的商业案例的。拟定数据质量商业案例需要进行认真的调查研究，与业务领域专家进行讨论，并且要稳健务实。

2. 把信息质量与管理数据的人关联

在谈论数据时，人们出于习惯会直接说好或糟糕。因此我们可能会在不经意间把“好”或“糟糕”的评价与管理数据的人联系起来。

共4页: 上一页1 [2] [3] [4] 下一页

责编：王雅京

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友

著作权声明：畅享网文章著作权分属畅享网、网友和合作伙伴，部分非原创文章作者信息可能有所缺失，如需补充或修改请与我们联系，工作人员会在1个工作日内配合处理。