如何评价数据质量

在制造业，每家企业的质量管理部门都有很多统计报表，这些报表会展示大量的真实数据，相关人员看数据，就能直观地了解企业各个环节的质量状况，哪些环节有问题，哪些环节已经得到了改善。

在信息化、数字化领域，大家也十分关注质量问题，经常会说数据质量不行、数据用不了、数据质量太差。

那么什么叫数据质量差？

什么样的数据又叫质量好？

大家是如何得出“数据质量差”的结论的？

给我感觉，绝大多数人对于数据质量只有定性的感受，没有定量的分析。

其实，数据质量是可以定量分析的，而且企业也确实十分需要一份数据质量定量分析报告。

企业进行数据质量分析的前提是要建立：数据质量规则，而数据质量规则的建立是基于业务常识和数据标准的。

比如说，对于人员主数据，我们就需要建立一系列数据质量规则：

1、人员的编号是必填项，不得为空；

2、人员的编号必须是唯一的，不得重复；

3、人员的编号必须符合相关的人员编号管理规范的要求；

4、人员的姓名是必填项，不得为空；

5、人员的中文名必须是中文的，不能有英文、数字和其他字符；

6、人员的出生日期与年龄是正相关的，是在一定区间范围内的，比如说必须大于18岁、小于80岁，如果系统里出现了某位在职员工超过了200岁，那肯定是不合理的；

7、人员的身份证号码应该是18位的，最后一位允许为X，如果身份证号码只有10位，那数据肯定不对；

8、人员的中国手机号码应该是11位的，而且必须以1开头，如果出现了18位的以8开头的号码，那肯定是哪里出问题。

当企业建立了数据质量规则后，就应该依据规则进行数据质量检查。

比如：针对人员主数据检查：空值率、0值率、重复率、格式规范不匹配率等等。

做这个数据质量检查难吗？我觉得不是很难，我已经25年没有亲手写过代码了（暴露年龄了），在上周用了4天的业余时间学了一下python，在周末写了几十行代码就基本实现了自动化的数据质量检查功能。

通过这些量化的质量数据，我们才可能知道真实的数据质量状况，通过对各类数据进行数据质量的对比与分析，我们才能生成企业级的《数据质量综合分析报告》，为企业数据治理实施工作指明方向。