论文部分内容阅读
摘要:我国金融机构在经营发展过程中拥有大量的客户资源及数据资源,通过对这些数据的分析、筛选,从而挖掘出更具价值的信息资料。虽然客户信息数据能够为企业的发展创造更多的经济效益,但是行业监管力度的不断升高,及信息泄露现象日益加剧,这也对金融机构的数据管理提出更为苛刻的要求。近年来数据质量问题频频出现,所以基于企业级数据治理框架基础上,加强数据质量的管理已成为相关领域亟待解决的问题。
关键词:企业级数据治理;数据治理框架;数据质量管理
1.数据治理体系的相关概论
数据治理是企业信息管理的核心环节,其通过制定合理的流程、规范、准则及技术等方式,为信息的实用性、有效性、安全性提供保障。构建数据治理体系主要是为了能够整合数据主户、用户、数据框架,站在整个企业的角度对各个环节的数据管理进行有效的协调与指导,从而为相关人员能够提供快速有效的数据支持与服务。而数据质量管理对企业存储的数据资源实施高质量的管理,通过采取科学的管理措施、规范化的管理流程、制定有效的评价考核技术,对于数据质量问题及时的发现、分析和解决,从而不断强化数据的完整性、时效性、准确性。
2.数据质量管理基础和问题分析
(1)数据质量管理的基础
①数据质量的高低很大程度上取决于用户与数据自身具备的价值。②数据质量是否具有优势主要表现在:数据知识应用中、数据存在的系统中、数据应用的过程中的频率和价值。③当数据被系统或用户所接收其进行应用时,对于数据质量的讨论在具有实际意义。④由于数据每时每刻都在发生变化,所以数据质量的管理是一个长期的过程。
(2)数据质量管理问题
①定义缺失。对于关键业务的概论不清,使得字段存在较大的歧义。②数据异常。主要是系统信息某一字段发生了异常情况,如:取值错误、格式错误、多余字符、乱码等。③信息缺失、错误。主要是系统对于相关字段进行了设置,但是在应用过程中,部分记录中没有该字段信息,或信息显示错误、信息重复记录等情况。④系统间数据不同。其主要表现在两个方面:其一是系统间数据维护存在差异。其二是系统间数据更新时间不同导致的昌邑。⑤数据完整性问题。其主要表现在两个方面:其一是参照完整性,主要是一个表A的外键排除无效键值;其二是数据含义冲突,通过账户属性、存期來看是存款产品,但是通过科目看就是常规定期产品。⑥数据生命周期问题。在银行机构中的一些重要数据,如:账户资料、客户资料、产品信息等,都有既定的记录日期极为生命周期。⑦代码问题。其主要变现为三方面:其一对于同一用途但不同应用的代码编辑不统一;其二是很多信息的储存使用文字而非代码,此种方式不利于分析应用;其三是实际数据中出现了未定义的代码值。①②③④⑤⑥⑦
3、企业级数据治理框架下数据质量管理方法
(1)数据质量管理措施分析
①定义及验证。对于数据可从技术、业务方面进行定义起步须符合的质量标准。②影响分析与共性分析。对于特定的是维护及质量问题进行评价,对于数据在预期应用的合理性具有一定的影响,可针对影响程度进行分析便可了解数据质量问题的重要性与优先性。③追根溯源。鱼骨图主要是对数据质量问题的致因进行鉴定的一个工具。其主要表现了预期与实际数据质量存在的差别原因,主要为信息、流程、技术、人员。④预防/修复数据质量问题。对于数据质量问题的原因可用的选择进行追踪。每各选择都有一定的优势与劣势。致使数据质量问题的原因有:人员、流程、系统前台、系统数据库、抽取和加载过程,对于前三项的治理方式在于防范,对于后三项可采用修复的方式解决。⑤趋势监控。当一些数据质量问题解决后并不代表以后不会在复发。若无有效对策问题依然会出现。所以必须要对其进行全方位的监控。⑥识别和研究偏差。若数据质量与规范的标准不符,那么监控流程就会从该分支返回第三步对于问题致因进行识别。
(2)数据质量管理流程的关键点
在数据质量管理体系的构建过程中,需要注重的因素主要由以下五个方面:其一是获得管理层及领导层的重视与指导;其二是组建能够解决数据质量问题的专门机构;其三是对于数据质量问题的流程进行分析和监管;其四是构建能够解决数据质量问题的平台;其五是采用能够检测数据质量问题的应用工具。
4.数据质量管理与数据治理体系的有机结合
在企业级数据治理框架之中应该将数据质量管理更好的融入其中,所以需要将两者之间进行有效的结合,下图主要对各个治理组件的关系进行详细的阐述。数据质量管理的检查准则主要由数据标准来提供,若数据质量预规定的要求相符合,证明数据质量没有出现问题,通过部署数据质量管理系统可对数据标准的落实提供监管与核查对策。元数据管理系统能够为数据质量管理提供检索的平台,对于数据质量检查脚本的生成提供有效的支持;而数据质量管理系统例保存的检测准则等信息也是一种元数据,可归为元数据管理系统的类别中。数据安全管理中定义的数据持有者是构建数据质量治理闭环流程,其为数据整改权责的提供了明确的依据。
结束语:
当前数据质量管理已成为相关领域研究的一项课题,其对一些信息数据较为集中、规模较大的企业结构有着重要现实意义。能够从大量的数据中提取出最具价值的信息资源显得尤为关键,而且面对庞大的业务处理量想要进行科学有效的信息质量管理也绝非易事,以上通过对企业级数据治理框架下数据质量管理的前面分析,只为能够在明确相关细节的前提下,寻得更加有效的治理对策。
参考文献:
[1]孙中东.企业级数据治理框架下的数据质量管理[J].金融电子化,2011(6):57-60.
[2]张琼文.试论数据治理在数据质量管理中的作用[J].通讯世界,2017(3):140-141.
关键词:企业级数据治理;数据治理框架;数据质量管理
1.数据治理体系的相关概论
数据治理是企业信息管理的核心环节,其通过制定合理的流程、规范、准则及技术等方式,为信息的实用性、有效性、安全性提供保障。构建数据治理体系主要是为了能够整合数据主户、用户、数据框架,站在整个企业的角度对各个环节的数据管理进行有效的协调与指导,从而为相关人员能够提供快速有效的数据支持与服务。而数据质量管理对企业存储的数据资源实施高质量的管理,通过采取科学的管理措施、规范化的管理流程、制定有效的评价考核技术,对于数据质量问题及时的发现、分析和解决,从而不断强化数据的完整性、时效性、准确性。
2.数据质量管理基础和问题分析
(1)数据质量管理的基础
①数据质量的高低很大程度上取决于用户与数据自身具备的价值。②数据质量是否具有优势主要表现在:数据知识应用中、数据存在的系统中、数据应用的过程中的频率和价值。③当数据被系统或用户所接收其进行应用时,对于数据质量的讨论在具有实际意义。④由于数据每时每刻都在发生变化,所以数据质量的管理是一个长期的过程。
(2)数据质量管理问题
①定义缺失。对于关键业务的概论不清,使得字段存在较大的歧义。②数据异常。主要是系统信息某一字段发生了异常情况,如:取值错误、格式错误、多余字符、乱码等。③信息缺失、错误。主要是系统对于相关字段进行了设置,但是在应用过程中,部分记录中没有该字段信息,或信息显示错误、信息重复记录等情况。④系统间数据不同。其主要表现在两个方面:其一是系统间数据维护存在差异。其二是系统间数据更新时间不同导致的昌邑。⑤数据完整性问题。其主要表现在两个方面:其一是参照完整性,主要是一个表A的外键排除无效键值;其二是数据含义冲突,通过账户属性、存期來看是存款产品,但是通过科目看就是常规定期产品。⑥数据生命周期问题。在银行机构中的一些重要数据,如:账户资料、客户资料、产品信息等,都有既定的记录日期极为生命周期。⑦代码问题。其主要变现为三方面:其一对于同一用途但不同应用的代码编辑不统一;其二是很多信息的储存使用文字而非代码,此种方式不利于分析应用;其三是实际数据中出现了未定义的代码值。①②③④⑤⑥⑦
3、企业级数据治理框架下数据质量管理方法
(1)数据质量管理措施分析
①定义及验证。对于数据可从技术、业务方面进行定义起步须符合的质量标准。②影响分析与共性分析。对于特定的是维护及质量问题进行评价,对于数据在预期应用的合理性具有一定的影响,可针对影响程度进行分析便可了解数据质量问题的重要性与优先性。③追根溯源。鱼骨图主要是对数据质量问题的致因进行鉴定的一个工具。其主要表现了预期与实际数据质量存在的差别原因,主要为信息、流程、技术、人员。④预防/修复数据质量问题。对于数据质量问题的原因可用的选择进行追踪。每各选择都有一定的优势与劣势。致使数据质量问题的原因有:人员、流程、系统前台、系统数据库、抽取和加载过程,对于前三项的治理方式在于防范,对于后三项可采用修复的方式解决。⑤趋势监控。当一些数据质量问题解决后并不代表以后不会在复发。若无有效对策问题依然会出现。所以必须要对其进行全方位的监控。⑥识别和研究偏差。若数据质量与规范的标准不符,那么监控流程就会从该分支返回第三步对于问题致因进行识别。
(2)数据质量管理流程的关键点
在数据质量管理体系的构建过程中,需要注重的因素主要由以下五个方面:其一是获得管理层及领导层的重视与指导;其二是组建能够解决数据质量问题的专门机构;其三是对于数据质量问题的流程进行分析和监管;其四是构建能够解决数据质量问题的平台;其五是采用能够检测数据质量问题的应用工具。
4.数据质量管理与数据治理体系的有机结合
在企业级数据治理框架之中应该将数据质量管理更好的融入其中,所以需要将两者之间进行有效的结合,下图主要对各个治理组件的关系进行详细的阐述。数据质量管理的检查准则主要由数据标准来提供,若数据质量预规定的要求相符合,证明数据质量没有出现问题,通过部署数据质量管理系统可对数据标准的落实提供监管与核查对策。元数据管理系统能够为数据质量管理提供检索的平台,对于数据质量检查脚本的生成提供有效的支持;而数据质量管理系统例保存的检测准则等信息也是一种元数据,可归为元数据管理系统的类别中。数据安全管理中定义的数据持有者是构建数据质量治理闭环流程,其为数据整改权责的提供了明确的依据。
结束语:
当前数据质量管理已成为相关领域研究的一项课题,其对一些信息数据较为集中、规模较大的企业结构有着重要现实意义。能够从大量的数据中提取出最具价值的信息资源显得尤为关键,而且面对庞大的业务处理量想要进行科学有效的信息质量管理也绝非易事,以上通过对企业级数据治理框架下数据质量管理的前面分析,只为能够在明确相关细节的前提下,寻得更加有效的治理对策。
参考文献:
[1]孙中东.企业级数据治理框架下的数据质量管理[J].金融电子化,2011(6):57-60.
[2]张琼文.试论数据治理在数据质量管理中的作用[J].通讯世界,2017(3):140-141.