1、数据质量评估-概述

1、依据一个相对完整的评估框架，按照一套确定的步骤和流程，从整体上考量某个或某些数据集对特定业务应用的满足程度，能很好满足业务应用的数据集我们称其质量较好，反之则质量较差。

2、数据质量评估-背景

1、并非所有的数据都是有价值的，只有和实际业务有较强相关性的数据集才是有价值的。 2、数据质量额好坏直接会影响到实际的业务结构。

3、数据质量评估-方向

1、确定数据质量评估的目标：定位当前数据处于数据生命周期管理中的哪个阶段。

2、基于生态或者业完整的业务全景来构建数据全景。

3、选取数据质量维度： 3.1、主要是这六个方面：完整性、一致性、合法性、唯一性、及时性、准确性、

4、制定数据质量评估模型 4.1、对数据评估进行建模

5、确定数据质量度量标准和度量方法 5.1、针对数据质量众多维度中，某些不容易度量的维度，需要在度量之前定义出度量的标准是什么，基于这个标准，再确定度量的方法。 5.1.1、比如：一致性维度标准、

6、数据质量评估实施并撰写评估报告 6.1、在实施的环节需要考虑的是数据采样策略：全量采样进行评估、部分采样进行评估、

4、数据质量评估-方法

1、定性法：基于一定的评价准则与要求，根据评价的目的和用户对象的需求，从定性的角度来对基础科学数据资源进行描述与评价。一般应由领域专家或专业人员完成。 1.1、比如：第三方评测法、用户反馈法、专家评议法等。

2、定量法：指按照数量分析方法，从客观量化角度对数据资源进行的优选与评价。 2.1、比如：统计分析法、内容评分法等。

3、综合评价法：从两个角度(定性法+定量法)对数据资源质量进行评价 3.1、比如：层次分析法、缺陷扣分法等。

5、数据质量评估-一般流程

1、数据质量需求分析、 2、确定评价对象及范围、 3、选举数据质量维度及评价指标、 4、确定质量测度及其评价方法、 5、采用方法进行评价、 6、进行结果分析并评级、 7、质量结果及报告、

6、数据质量评估-触发时机

1、全新的业务需求：产生了全新的业务需求，我们需要对现有的数据集进行一次质量评估，看看是否足以支持新的业务需求。 2、进行重大技术变更：当我们的数据采集、清理、转化、存储等任一个环节产生了重大的技术变更（比如重构、使用新的工具）的时候，我们要对变更后产生的新的数据集进行质量评估。 3、业务投入新的数据源：当我们从一个新的数据来源获取了全新的数据，并期望将它应用在一个具体的业务中的时候。