数据治理中影响数据质量的5个因素

数据质量问题的五大影响因素

数据不一致：企业系统逐步建设，标准各异，各业务系统侧重点不同，属性设置不统一，且系统间无法及时同步，导致数据难以共享利用。

数据不完整：系统孤立使用，各自按需录入，缺乏统一工具和出口，导致同一数据在不同系统中属性不一，完整性无保障。

数据不合规：无统一平台和源头，全生命周期管理缺失，录入环节简单、手工参与多，缺少校验，导致数据格式混乱、难以集成，大量低质数据无法利用。

数据不可控：多头管理，缺少全局性组织监督，无法建立统一标准与流程，考核体系缺失，制度难以长效执行。

数据冗余：各系统标准、编码、校验规则不一，造成“一物多码”“一码多物”等问题。

数据是业务价值和目标的基石。项目早期若不考虑数据质量，后期极易失败，因此应在项目各环节重视数据质量管理。