提高数据质量确保BI成功

sunny-k

      提高数据质量的最佳方法： 通过高价值的数据确保商业智能（BI）的成功。
      关键问题：企业文化和人们的行为是如何影响数据质量的状态的？
      大多数企业将数据视为一个技术方面的问题。他们依赖IT机构来确保数据的安全、可用性和质量，对待数据如同一个“必要之恶”（necessary evil），而不是作为一种重要的企业资产。从它产生的影响和确定它的最优方式来看， 数据质量是一个商业问题。商业本身，而非IT，需要定义出什么是“够好”的数据质量。大多数企业需要经历一个思维的变革才能到达将数据质量看成是商业问题的地步，然后商业才能驱动和支持在提高数据质量方面所付出的努力。
与此同时，企业需要意识到对数据质量最佳的改善仅通过技术本身是难以达成的。需要结合人（例如， 组织和培训）和流程的改进，才能提供最大限度的积极影响，并确保长期维持可以接受的数据质量水平上。当大型企业开始意识到数据质量所带来的影响，许多人会试图跨越对这个问题从聚焦于IT转到聚焦于商业之间的差距。在这方面成功转型的企业将会在提高生产力、准确性和信息一致性方面收益良多。
       为确认他们遇到的问题是由于他们的商业智能（BI）行动方案中出现的数据质量问题，企业需要了解什么是数据质量，以及它是如何影响他们的业务的。对于诸如商业智能（BI）这样的战略行动方案来说，数据质量潜在的负面影响是巨大的。此外，在战术层面的影响也是显着的，因为低质量的数据会导致在企业的日常运营中方方面面的成本和生产力的问题，。
数据质量问题的解决需要涉及到一个多层面的途径而不仅仅只是技术层面。企业需要明白人的因素（企业文化和组织）在数据质量上会产生重大影响。另外，“解决”数据质量的流程（除了有效的业务流程的设计）在提高数据质量上很关键。
然而，技术在修复很多数据质量的问题时将会有它的角色。企业必须理解在数据质量问题的解决中技术所扮演的各种角色，以及市场上所有的数据质量工具。数据质量技术的发展速度越来越快，因为无论大型供应商还是新的市场进入者都在投资扩展他们的数据质量的能力。
      数据质量已成为许多企业众所周知的问题，但并有给予足够的优先业务去解决它。有时，创建和使用数据的人们忽视了数据质量的指南。业务单位可能习惯于用他们自己的方式来做事，因此鼓励人们去做对项目或单位最有利的事情，而不是服从于公司规则。商业和IT经理经常认为数据质量可完全自动化处理，但至少在异常处理上需要人工干预。
       领导人应该在每一个业务单位内指定特定的人员，负责执行数据质量的项目，比如数据管理员，还要有相关人员管理与数据有关的业务规则。应该设立信息管理委员会明确这些人员的目标并评估他们的表现。这些评估应纳入到年终总结。支持一线的人员，领导人应动员在业务方面的赞助商和利益相关者来谈谈数据质量对企业和业务单位的重要性。
      用户和管理者经常认为数据是IT企业必须按需要提供的服务。他们将数据上出现的任何问题都归罪于IT企业。他们并没有意识到或想要发现的问题的原因是由于业务流程及其他在企业内部和外部的活动产生的数据，而这些数据是IT系统仅仅能收集、存储和展示出来一部分。对数据的来源缺乏了解导致管理者丧失了对数据质量的资源管理的能力。


-----摘自中国商业智能网
      绿色BI社区