2016年的阿里云栖大会上,阿里巴巴总裁马云第一次提出了“新零售”这个新名词。即不管线上或线下,不管哪个渠道,都能做到“消费者可识别、可触达、可运营”。而线下客流情况是运营过程中的重要信息,充足而稳定的客流是商场实现良好盈利的前提。随着计算机技术的飞速发展和普及,企业的各个业务环节都基本实现了数字化,积累了大量的运营历史数据,但是目前数据相对单一,很难分析整体顾客偏好,因此很难为商家精细化运营做出决策依据。线下运营方案的实施离不开海量的用户行为数据,而精准的运营方案更依赖于高质量的数据,数据质量问题不但会影响决策结果,还可能造成经济损失,因此提升线下零售行业数据质量问题迫在眉睫。大数据质量是一切数据分析、挖掘、决策支持的基础。而零售数据所呈现出的特点及用户对数据质量期望和感知变化等对数据质量的研究提出了新的挑战。尽管国内外在大数据质量管理方面已经取得了一些研究成果,但是线下零售数据有着数据链路长,受线下硬件环境、网络环境等因素影响的特点,现有方法很难适用于线下零售大数据的质量管理。因此加强线下零售大数据的质量管理不仅是人工智能与大数据技术深入线下零售行业的需要,而且是非常迫切的。本文采用理论与实践相结合的办法,结合管理学知识,尤其是全量质量管理相关的知识,对线下零售数据质量管理进行了研究。首先通过介绍全面质量管理的主要思想,分析线下零售行业数据质量管理方面的主要问题,并将全面质量管理的理论应用于零售大数据质量管理。然后针对实际情况,设计实现了数据质量检查的相关规则,最后以A公司为例,对其采取的数据质量管理进行分析、研究,从而证实全面质量管理理论在零售大数据质量管理方面的有效性。希望本文的研究成果能给线下零售大数据质量管理方面带来一些借鉴意义。