太多的組織未能實施有效的數據質量和風險管理策略。當數據進來時，他們通常會先驗證和清理數據，然后再更廣泛地分發數據。重點是防止下游系統接收錯誤數據。這很重要 - 但是通過專注于臨時事件解決，組織很難以結構化的方式識別和解決反復出現的數據質量問題。

為了糾正這一點，他們需要能夠持續進行分析，旨在了解他們的數據質量并隨著時間的推移進行報告。整個行業中目前很少有組織這樣做，這是一個重大問題。畢竟，無論組織進行多少數據清理，如果它無法跟蹤過去所做的事情，它將不知道特定數據項包含差距、完整性或準確性問題的頻率，也不了解這些問題最密集的聚集位置。

將數據質量工作完全集中在日常數據清理上也可能導致組織難以了解數據質量錯誤的頻率，或者快速批量驗證取代更徹底分析的頻率。對于許多人來說，他們對日常數據清理的關注掩蓋了這樣一個事實，即他們對數據質量沒有清晰的了解，更不用說如何衡量數據質量或制定更全面的數據質量政策了。當消防以犧牲正確理解潛在的質量驅動因素為代價時，這是一個大問題。

特別是在對正當程序和適用性數據的監管越來越規范的行業中，未能實施數據質量政策和數據風險管理流程的風險可能是深遠的。

實現框架

為了解決這個問題，組織需要建立一個數據質量框架。這意味著確定關鍵數據元素是什么，數據中的風險和可能的錯誤或差距是什么，以及哪些數據流和控制措施到位。到目前為止，很少有組織實施這樣的框架。他們以前可能已經實施了嚴格的IT控制，但這些控制往往側重于流程而不是數據質量本身。

通過使用數據質量框架，組織可以概述一個策略，該策略建立了數據質量的明確定義以及該方法的目標是什么。它還記錄了數據治理方法，不僅包括流程和程序，還包括責任和數據所有權。

該框架還將幫助組織確定數據質量的維度 - 例如，數據應該是準確，完整，及時和適當的。對于所有這些領域，需要制定關鍵績效指標（KPI），以使組織能夠衡量數據質量在每種情況下的含義。需要實施和監控關鍵風險指標 （KRI），以確保組織知道其風險在哪里，并有有效的控制措施來應對這些風險。應與所有利益相關者共享 KPI 和 KRI，以便進行定期評估。

數據質量智能的作用

數據質量框架將不可避免地側重于組織數據質量工作的運營方面。為了將數據質量提升到一個新的水平，企業可以采用數據質量智能方法，使他們能夠實現更廣泛的洞察力、分析、報告和警報。

這反過來將使組織能夠捕獲和存儲有關數據質量的歷史信息，包括修改項目的頻率以及錯誤標記數據的頻率 - 這是錯誤級別以及驗證規則質量的良好指標。更廣泛地說，它將為這些異常啟用關鍵分析功能;出現的任何數據問題;以及針對數據質量 KPI、供應商和內部數據源性能、控制有效性和 SLA 的關鍵數據控制和報告功能的有效性。

簡而言之，數據質量智能有效地在框架提供的運營數據質量功能之上形成了一層，這有助于可視化該框架已實現的目標，確保所有數據控制都是有效的，并且組織正在實現其KPI和KRI。它不是一個運營工具，而是一個商業智能解決方案，提供關于組織如何根據其關鍵數據質量目標和指標執行的關鍵見解。首席執行官和首席風險官 （CRO） 將從此功能中受益，合規和運營風險部門也將受益。

雖然數據質量框架有助于組織數據質量工作的運營方面，但數據質量智能使關鍵決策者和其他利益相關者能夠深入了解該方法，幫助他們衡量其成功并證明組織符合自己的數據質量策略和相關行業法規。

最終，這種方法的好處是多種多樣的。當然，它總體上提高了數據質量。除此之外，它還可以幫助組織證明其數據的準確性、完整性和及時性，從而幫助他們滿足相關的法規要求并評估對自己的數據質量目標的合規性。

對于所有這些企業來說，將其數據質量流程打入正軌的時機顯然已經成熟。

審核編輯：郭婷