评估数据质量的7种指标

作者：Christopher Tozzi

要衡量数据质量，并追踪数据质量改进工作的有效性，那么有一个需求是最基础的：您需要数据。本文将介绍公司及组织机构可用来衡量数据质量的数据类型和指标。

数据质量是指一组数据达到预期目的的能力。低质量的数据不能有效地用来完成您想要做的事情。有很多好的策略可以用来提高数据质量，并且帮助您将最佳数据实践构建到公司的DNA中。但是，无论采用哪种改善数据质量的方法，都需要您有一种方法来衡量工作的有效性。否则，您投资在数据质量策略中的宝贵的时间和金钱就可能无法获得回报。

 在实践中，数据质量评估是什么样的？以下是通常可帮助公司衡量数据质量工作的指标示例。

这是最显而易见的数据质量指标类型。它使您可以跟踪数据集中已知错误的数量（例如丢失、不完整或冗余的条目）与数据集的总体大小相对应的比例。如果在数据集大小保持不变或增长的同时发现较少的错误，则表明数据质量正在提高。

追踪空值（通常表示信息丢失或记录在错误的字段中）是跟踪此类数据质量问题的简便方法。您可以量化一个数据集中有多少个空字段，然后监察该数字随时间的变化。

数据转换的问题，即获取以某一种格式存储的数据并将其转换为另一种格式的过程。这通常标志着数据质量问题的出现。通过计算失败（或花费不可接受的时间才能完成）的数据转换操作的数量，您可以洞悉数据的整体质量。

暗数据是经常由于数据质量问题而无法有效使用的数据。您拥有的暗数据越多，您可能遇到的数据质量问题就越多。

如果您正在开展市场营销活动，那么数据质量差是电子邮件无法送达的最常见原因之一。发生这些错误是因为数据错误、数据丢失或数据过时而导致您将电子邮件发送到错误的地址。

实际使用的数据量保持不变时，您的数据存储成本是否在增加？这是出现数据质量问题的另一个可能迹象。如果您存储数据却无法使用数据，这可能是因为数据存在质量问题。相反，如果在数据使用率保持不变或增长的同时存储成本下降了，则可能您的数据质量有所提高。

计算您的团队从给定的数据集中得出结果需要多长时间是另一种衡量数据质量的方法。尽管许多因素（例如，数据转换工具的自动化程度）会影响数据的价值转化速度，但数据质量问题却是一个减慢从数据中获取有价值的信息的常见的困扰因素。

当然，最适合您的衡量指标将取决于公司或组织机构的特定需求。这些只是衡量数据质量的一下基础准则。最重要的是要开始制定某种数据质量评估计划，无论其细节如何。

华矩科技专注于企业级数据质量管理的咨询、服务、技术与应用，致力于数据使用的安全可靠、快捷、便利、智能及低成本，使数据成为核心资产。拥有领跑中国在数据治理、数据质量、探查领域的核心技术，在数据质量，数据治理领域具有广泛影响力并屡获殊荣，与国内外著名的学术研究机构及技术厂家建立了长远而有成效的深度合作，保持着在该领域的持续研究、创新。

在数据质量的评估领域， 华矩也长期进行了理论上以及实践上的尝试。提出了基于华矩探查技术的数据质量管理评估理论及实操体系，从3个层面上（数据属性业务规则、数据实体业务规则、企业特定业务规则）将数据评估维度与业务流程对应，建立通用的数据质量评分KPI，同时根据具体业务场景调整评分体系中各维度的权重，最终以量化形式实现数据质量评估。在这个数据质量评估量化理论基础上，华矩科技也进行了多次实践尝试，积极探索出针对不同企业需求的定制化评估指标

华矩科技作为数据治理技术与服务提供商，为客户提供数据全生命周期的治理服务与方案，包括元数据管理、数据质量剖析诊断、数据优化补全、业务规则库创建、数据质量持续监管、数据集成、数据存储、数据可视化分析等专业有效的数据处理服务与产品技术方案，服务行业涵盖电力业、金融业、医疗业、制造业等，已帮助多数500强企业全方位处理数据问题。