上篇文章我们详细讲解了数据质量管理的整个流程，今天我们主要用真实成功案例，为大家讲解企业如何进行数据质量管理。

当我们企业决定数据质量管理了，有哪些建议呢？

1、建立统一的数据标准

有了统一的数据标准后，数据录入采集、加工处理等诸过程都将按照标准要求进行，数据混乱出错的情况将大为减少。需要整理发布的基础性数据标准包括业务元数据的标准和相关代码的标准。

2、提升操作人员数据应用水平

在培训模式上，建议根据岗位需要，分批分岗位培训，集中整理特殊环节、特殊业务处理的注意事项，尽快下发系统操作的帮助文档。实际应用中其实并不需要太多懂得全流程的通才，更需要熟悉自己岗位所涉及模块的专才，只要每个岗位都能熟练操作，那整个系统才能发挥应有作用。

3、完善数据质量管理机制

为了保证业务数据准确、及时、完整一致，必须要有专门的机构和岗位负责业务数据质量的监督管理。专门设置数据质量管理岗，或将数据管理的职能详细明确到相关岗位，牵头负责企业业务数据的质量管理，使得业务数据质量管理工作制度化、常规化，并量化成可考核的指标。

4、提供数据质量管理工具

提供数据质量管理工具，减低质量管理的门槛，减少沟通成本，及时发现问题并整改。

 

 

某电力项目数据治理

项目背景：电力公司经过多年信息化系统建设和应用，积累了海量的数据信息, 这些数据已然成为电力公司的核心资源之一。故构建数据服务平台，将企业运营数据以主题的形式整理，以服务的方式向数据使用方提供数据服务，促进数据在电力企业内部共享流通，外部开放，提高数据利用率。

 

为快速解决现有系统中存在的飞码异常、表码倒走、台区/用户漏采、日超容等问题，在数据服务平台中规划数据质量管理平台，快速定位问题数据，对数据进行定期巡检，提升数据质量，为后续的数据分析提供有效的数据基础。

项目方案：数据服务平台分期建设数据源管理平台，数据集成平台，数据权限管理平台，数据质量管理平台，数据缓冲区，数据分析平台，统计对外服务接口等多个模块。多模块协同合整合多源数据，提升数据质量，面向不同用户提供相关数据支持服务

其中数据质量管理部分则借助亿信EsDataClean数据质量管理工具，全面提升数据质量，减少因数据不可靠导致的用户决策偏差和损失。

亿信EsDataClean按照指定检测数据源，定义之间规则，定期巡检，推送质检报告的流程为用户提供全面完善的质检方案。