數據是組織最有價值的資產之壹。企業的數據質量和業務績效之間有著直接的關系。高質量的數據可以讓公司保持競爭力，在經濟動蕩時期立於不敗之地。有了通用和深入的數據質量，企業可以隨時信任滿足所有需求的所有數據。
戰略性和系統性的方法可以幫助企業正確地研究他們的數據質量項目。業務部門和信息技術部門的相關人員將有明確的角色和職責，並配備正確的技術和工具，以應對數據質量控制的挑戰。
擴展數據:
控制方法:
1，探針數據內容、結構和異常
第壹步是探查數據，找到並評估數據的內容、結構和異常。通過探索，我們可以確定數據的優勢和劣勢，幫助企業確定項目計劃。壹個關鍵目標是清楚地指出數據錯誤和問題，例如威脅業務流程的不壹致和冗余。
2.建立數據質量指標並定義目標。
Informatica的數據質量解決方案為業務人員和IT人員建立和改進測量標準提供了壹個* * *平臺。用戶可以在數據質量記分卡中跟蹤測量標準的標準，並通過電子郵件發送壹個URL，以便隨時與相關人員共享。
3.設計和實現數據質量業務規則。
闡明企業的數據質量規則，即可重用的業務邏輯，管理如何清理數據和解析用於支持目標應用程序的字段和數據。業務部門和IT部門通過使用基於角色的功能來共同設計、測試、改進和實現數據質量業務規則，以達到最佳效果。
4.在數據集成過程中建立數據質量規則。
Informatica Data Quality支持通用和深入的數據質量控制，這使用戶能夠從擴展企業中的任何位置跨任何數量的應用程序在基於服務的架構中以服務的形式執行業務規則。
數據質量服務由可以集中管理、獨立於應用程序並可以重用的業務規則組成。它可用於執行探測、清理、標準化、名稱和地址匹配以及監控。
5.檢查異常情況並改進規則。
實施數據質量流程後，大部分記錄將得到清理和標準化，企業設定的數據質量目標將得以實現。但是，難免還是會有壹些劣質的數據沒有被清理。這時候就需要完善控制數據質量的業務規則。Informatica數據質量可以捕獲和突出數據質量異常和異常值，以便進壹步探索和分析。
5.對照目標監控數據質量。
數據質量控制不應是壹次性的“設置時就忘”活動。整個業務應用程序中數據質量的相對目標和持續監控和管理對於維護和提高高水平的數據質量性能非常重要。
Informatica數據質量包括記分卡工具，而儀表板和報告選項具有更廣泛的功能，可以以更直觀的方式動態報告和呈現。
百度百科-數據質量