在信息时代，数据被认为是一项重要的企业资产。那么企业所拥有的数据等同于价值吗？答案是否定的。企业需要对数据进行提炼和加工，才能形成有价值的信息，这些企业需要的信息才能用于企业的经营与决策。接下来，下一个问题又出现了，数据经加工形成的信息是否能客观反映企业的真实情况？这取决于一个重要的概念--数据质量。

金融企业具有与传统企业不一样的特征。它需要每日，甚至每时每刻对各类经营指标进行监控和计算，这就需要有更高的数据准确性和及时性进行支撑。因此，它对数据质量的敏感度、依赖度比传统企业更高。银行业作为金融行业的重要组成部分，数据质量的重要性不言而喻。

在大型企业或组织中，存在多地区、多产品、多业务、多系统的环境，在数据信息、报表统计、业务分析和业务元素定义上存在诸多数据质量问题，包括不真实、不准确、不唯一、不完整、不一致、无关联，以及不及时，由此导致管理者、业务人员和信息使用者的误解，导致数据利用出现错误，企业决策出现偏差。同时低劣的数据质量往往造成开发出来的系统与用户预期大相径庭，并且导致运行维护成本过高，工作量过大，系统难以扩展。诸如此类的问题迫切需要加强对于数据本身质量的研究和管理，而数据质量管理是研究数据质量问题的标准和指导方案。

数据质量问题

数据真实性：数据必须真实、准确，客观地反映真实业务，不得为了数据好看而人为作假。
数据准确性：也称可靠性，用于分析和识别无效或不准确的数据。
数据唯一性：数据重复会导致流程无法追溯，业务无法协同，数据治理需要识别出重复且冗杂的数据。
数据完整性：数据质量问题中最为常见的一类问题，包括模型设计不完整，数据记录空值或缺失等。
数据一致性：多源数据结构不一致、编码不一致、命名不一致等，造成数据内容冲突。
数据关联性：存在数据关联的数据关系缺失或错误，出现范围越界，金额不平等问题。
数据及时性：数据是否延误加载，影响企业的数据处理速度及效率。

数据质量问题无论是在决策方面、技术方面，还是业务方面，都会给不同的企业人员带来困扰。

其中，在技术方面产生的常见问题有：
1.数据传输不完整，导致数据无法加载或加载后数据缺失；
2.文件中字段长度、精度、格式等不正确，无法加载到数据库 ；
3.主键数据、或多字段组合数据重复，违反唯一性约束，无法加载到数据库 ；
4.非日期类型日期格式不正确，导致数据抽数、数据展现报错等。

在业务方面的常见问题：
1.证件号码缺失，不能进行统一客户识别 ；
2.客户信息缺失，不能满足客户细分、特征分析等分析应用 ；
3.产品属性缺失，影响产品分析准确性 ；
4.中间业务收益不能与客户、产品挂钩，不能做客户及产品贡献度分析等。

因此，建设一个完整的数据质量管理平台，对数据进行检核与统计，从制度、标准、监控、流程几个方面提升数据信息的管理能力，解决项目面临的数据标准问题、数据质量问题，为数据治理提供准确的数据信息。完成从发现数据问题到最后解决数据问题，不断提高数据质量，形成数据产生、数据交换、到数据应用过程中数据质量的统一管理与控制对企业数据管理有着重要的意义。

Shark Quality是北京先进数通自主研发的、企业级通用数据质量管理平台产品，以发现数据问题、数据问题分析、解决数据问题为主线，提供数据检核引擎、数据检核配置、检核任务监控、数据检核报告、数据问题发现与解决主要功能，其具有高可用性、高灵活性、高可维护性等特点。并可根据企业特色，为企业提供适合的数据质量管理解决方案。

在某城市市商业银行数据治理项目中，先进数通为其建立了数据质量管理的综合性技术支持平台，通过该项目的实施及 SharkQuality 产品的运行，配置了 1000 余项检核规则，方便实现了数据质量评估、报告、跟踪解决的全流程管理，改善了客户的数据质量，提升了企业运营效率。

数据质量管理平台 Shark Quality 在某商业银行数据治理项目中的应用