数据质量体系的建立，属于数据基础层面提升的工作，在现实的企业运作过程中，数据都是由一个一个日常业务所产生的，数据工作繁琐而平凡，一个员工的入职、一件物料的领取、一次工资的核算等，都伴随着数据质量的管理，一个简单的疏忽或粗心，都有可能产生错误并引发连锁反应。万丈高楼平地起，要想获得高质量的数据，必须从宏观到微观，从主观到客观，对企业进行深彻的变革，伴随着思想的洗礼，才能建立起企业的数据质量管理体系，使数据闪耀出应有的价值。
知识是人类文明的阶梯，目前科研界对于知识和资讯有一个重要的DIKW模型，其中“D”是指Data，“I”是指Information，“K”是指Knowledge，“W”是指Wisdom，其内涵在于由数据得出信息，信息汇总和分析得出知识，知识和实践的结合产生智慧，由此可见，数据在智慧模型中起到基础的作用，人类文明的发展史，就是智慧模型不断演化和循环的历史。 对于经济形态而言，其组织生产和进行决策，离不开数据的作用，数据被认为是企业生产经营决策的基。蠖嗍笠狄丫鲜兜绞莸募壑，马云曾经说过“未来将进入大数据时代,数据是第一生产力!”但要有准确的决策结果和取得经济和成本效益，必须要有高质量的数据，高质量的数据是企业制胜数字经济的关键因素。
数据质量框架依托于企业的数据战略，在信息化发展的早期，数据的价值并不凸显，企业重视的是资金流、业务流、信息流和物流的融合，后来随着数据价值的凸显，企业逐渐将数据战略从信息化战略中脱离出来，单独成为一个独立的战略。 上图是一个典型的数据战略的框架，企业从愿景，业务战略出发，建立符合自身的数据战略，数据战略大致可以分为两层，一层是规划层，主要包括业务规划和数据规划的关系及数据规划的要素，总体而言，由业务规划驱动数据规划，数据规划又促进业务规划发展，数据规划包括数据规划的愿景，目标和方法论。第二层次是实践层，包括数据标准，数据质量，数据管理工具及数据管理体系，可见数据质量属于数据实践层面的内容，属于业务实际操作层面，但这种实操必须依赖于规划层并符合规划层的目标和方法论。
传统经营体制下，企业重视营销和成本因素，但当企业发展到一定阶段，营销和成本发掘的边际效应递减，必须从传统的生产经营模式中寻求新的生产动力和业务模式，这就要借助数据的力量，这种环境下，企业要建立自己的数据质量的生产力框架，笔者根据自己的经验，总结了一套集团型企业提高数据质量的框架； 1、数据价值的认知 企业建立数据战略，必须认识到数据的价值，并在企业全员中创建和提升对于数据价值的认知程度，从企业高层到管理层，到基层员工，要在员工的入职培训及在后续的日常工作过程中，宣贯数据的价值及重要性，及本企业数据管理的制度和流程，建立一定的奖惩和激励机制，这种认知的确立，是数据质量规划的前提。 2、数据的维度 “数据五花八门，数据来源于业务...”、“这个数据粗略，反应不出真实情况...”、“数据能否再进行细致的切分...”、“这个数据源自于销售数据...”、“这个仪器不准，流量数据测的就是错误的...”，在企业实际业务层面，我们经常听到有关数据这样的议论。这些反应数据某方面性质的描述即为数据的维度，数据的维度包括但不限于以下方面： 企业在建立自己的数据战略时，必须符合企业自身的实际业务需求，遵循国家的相关法律规定，建立满足企业分析应用的数据维度。如，某企业对于质量检测数据的保存周期是三年，从实际业务需求出发，要求统计物料采购、入库、出库、报废等过程的全生命周期数据等。 3、数据图谱 规划企业数据图谱，企业在其业务过程中，产生了许多数据，但并非所有的数据都需要进行质量管理，企业可以从各种维度，如基础数据、业务数据、决策数据的维度；或从数据主体的维度，如数据创建、使用、退出的部门等，建立自己的企业数据图谱。 上图是某企业数图谱的一个举例，该企业按照业务执行层、经营管理层、战略管控层结合业务主题，数据的基础维度——事务维度、统计型、决策型三位一体，建立了本企业的数据图谱。 4、数据标准 数据标准是对数据一系列的要求、规范和规则的总称，解决的是数据合规性问题，数据标准和数据质量属于一个问题的两个方面，两者相得益彰，前者属于数据本身必须具备的属性，但这种属性又是数据质量的内在要求。数据标准做的好，可以说解决了数据质量的绝大部分问题。 数据标准包括了数据的分类标准、编码标准和数据模型标准，确立数据标准是提升数据质量的前提，必须从一开始就建立起数据标准。 5、数据管理组织 数据质量的保持，必须建立相应的数据管理组织，这种数据管理组织必须和企业的组织机构结合起来。数据源自于业务，而业务又必须由相应的组织来承载，从数据产生、使用到消亡的整个生命周期，创建数据的管理组织，设立相应的职责和角色，承担起数据的管理责任。 集团型企业常常在管控能力、力度、深度等方面的不同，管控方式各有差异，如战略管理、财务管控、操作管控和混合管控。多数集团企业由于发展的阶段不同及控股程度不同，呈现出一种混合型的管控模式，在这种情况下，数据管理组织必须和集团管控模式结合起来进行顶层设计，否则将面临较大的阻力。 6、数据管理工具 现代社会进入信息时代，信息工具的应用已经大大提升了数据维护、载录和处理的成本。在诸多的数据管理工具中，企业仍需要选择一套适合自身的数据管理工具。数据管理工具应针对不同的数据类型建立不同的数据控制机制。对于基础数据而言，很有必要建立MDM（Master Data Management）这样的数据管理工具，对变化不大或者需要集中共享的数据进行统一管理；对于业务数据，成熟的ERP系统，能够在业务系统建立数据的控制点和校验手段，例如通过数据必填、数据属性、数据类型、数据只选属性等系统规范，进一步提升数据质量。
笔者认为，数据质量体系的建立，属于数据基础层面提升的工作，在现实的企业运作过程中，数据都是由一个一个日常业务所产生的，数据工作繁琐而平凡，一个员工的入职、一件物料的领取、一次工资的核算等，都伴随着数据质量的管理，一个简单的疏忽或粗心，都有可能产生错误并引发连锁反应。万丈高楼平地起，要想获得高质量的数据，必须从宏观到微观，从主观到客观，对企业进行深彻的变革，伴随着思想的洗礼，才能建立起企业的数据质量管理体系，使数据闪耀出应有的价值。
无论你正在建设主数据、数据中台、数据资产盘点，还是希望把 AI 引入经营分析和物料治理，优百都可以提供从咨询到交付的全程支持。
