这个问题最简单的答案是

SajaHnAlI

谁的工作是收集所有内容、验证它并以每个人都易于理解和使用的格式保存它？ 每个人。为了在企业层面实现数据质量目标，可能需要“全力以赴”的理念。 问题的复杂性 了解为什么实现数据质量的挑战如此之大是有益的。据 TechTarget 称，最佳方法是让每个人共同“拥有”数据质量，但数据咨询公司 Knowledge Integrity Inc. 总裁 David Loshin 指出，这很困难，原因有三个。 发起者为一个目的创建数据，通常很难将其转化为其他人可以使用的另一个目的。 数据用户可能没有资源（即时间、金钱、硬件或软件）来实现他们在数据质量方面想要的一切。 不幸的是，将一个系统收集的数据转换为另一个系统中可用的数据通常是不可行的。


诀窍是克服所有这些困难。没有简单的答案，但合作肯定会有所帮助。 对每个人负责 Loshin 认为，第一步是“将数据 美国数据 质量控制权交到用户手中”。让每个人对其数据的质量以及最终的效用负责。 “如果一个部门或业务单位控制着规则，那么将执行‘外包’给另一方似乎很笨拙，”洛辛解释道。 “唯一合乎逻辑的结论是，用户应该在消费时强制执行他们的规则。换句话说，由于数据质量与数据使用的上下文相关，因此这是美（或质量）存在于其中的情况。旁观者（或用户）的眼睛。” 简而言之，每个使用数据的人都应该尽自己的一份力量来改善流程。通过这种方式合作，整个企业应该能够找到每天取得更多成就的能力。




确定您的组织需要什么类型的数据质量工具取决于您的数据质量策略的复杂程度。对于某些公司来说，简单的数据质量方法可能就足够了，但其他组织可能需要非常高级的数据准确性和数据管理。 无论您的组织的具体需求如何，有一些关键的通用数据质量注意事项对于任何有效的方法都很重要。这里有六种可以帮助您制定数据质量策略的工具。 1. 数据清理： 当组织的数据必须满足特定的域限制、完整性约束或其他业务规则时，需要数据清理工具。这些类型的工具为业务使用提供准确的信息。示例包括地址验证、电子邮件验证、电话验证等。 2. 丰富： 客户数据丰富工具可以将额外的第三方信息附加到组织的现有数据库中。