当前，随着人类进入到信息社会，人们对信息系统的依赖程度也越来越深。当信息系统中的数据量以指数级别增长的同时，数据的质量却没有得到足够的重视。尤其是近几年在经济全球化的影响下，产品和服务的竞争变得空前激烈，从而对数据提出了更高的质量要求。虽然数据的质量问题已经给人类的生产和生活造成了重大的影响，但是该领域的研究目前尚处于萌芽状态，一个完整的理论体系架构尚未建立起来。在诸如“什么是数据质量”这样最基本的问题上，研究者们尚未取得共识。本研究便是在这样的背景下，结合实践中遇到的几个方面的具体问题，作了一定程度的探讨。 按照国际上目前通用的分类方法，数据质量分析可以分为两类，即背景相关和背景无关的数据质量分析。前者指的是，根据数据所应该满足的业务规则，对数据的质量情况进行分析；后者则是在相关的业务规则无法获得时，对数据的质量情况进行分析。本文的研究为了解决企业数据所面临的具体问题，在背景相关和背景无关两种类型的分析方面均有所涉及，其内容主要包括如下几个方面： 一、背景相关的数据质量分析研究 数据质量分析标准在税务行业中的应用：选择了一些被广泛接受的数据质量评价标准，并依照每条标准的定义，对某税务局的数据质量情况进行了具体的分析。针对分析过程中发现的问题，并提出了相应的解决方案。 二、背景无关的数据质量分析研究 1．中文环境下的错误短语识别：对于数据集中的字符型数据，特别是含有中文的短语中所蕴含的错误进行识别。针对两类主要的中文输入法，拼音输入法和笔画输入法的特点，对可能产生的错误类型进行了分析。为了发现与输入法无关的其它类型的错误，采用了计算编辑距离的技术进行探测。 2．利用统计特征探索数据表之间的关系：数据表之间的相互关系在数据迁移过程中有着重要的作用。而实践中这样的约束关系常常没有在数据库中显式地进行定义，从而容易导致数据不一致的问题。本研究探讨了如何在数据质量不高的情况下，通过分析数据的统计特征，找出数据表之间可能存在的相互关系。研究中特别运用了统计学中的极端反应检验理论。 3．基于模式识别的数据质量分析：分布模式反映了数据的本质属性。研究首先探讨了如何对数据符合的模式进行识别；在此基础上，根据数据与模式的偏离程度甄别出可疑数据项；根据对可疑数据项的进一步分析，识别出错误数据。 本研究是以一个具体的数据质量分析项目为研究背景，对分析过程中所运用的若干技术进行了较为全面的阐述。实践证明，上述技术的综合运用对于协助企业发现数据问题，提高数据质量，起到了重要的作用。