数据质量管理(Data Quality Management),是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题,进行识别、度量、监控、预警等一系列管理活动,并通过改善和提高组织的管理水平使得数据质量获得进一步提高。
通常数据质量评估和管理评估需通过以下几个维度衡量:
数据质量评估
完整性 Completeness:完整性用于度量哪些数据丢失了或者哪些数据不可用。
规范性 Conformity:规范性用于度量哪些数据未按统一格式存储。
一致性 Consistency:一致性用于度量哪些数据的值在信息含义上是冲突的。
准确性 Accuracy:准确性用于度量哪些数据和信息是不正确的,或者数据是超期的。
唯一性 Uniqueness:唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。
关联性 Integration:关联性用于度量哪些关联的数据缺失或者未建立索引。
-
其实,我个人觉得,人家可能是觉得你的粮食产量和饲养羊的数量不准确,或者那本统计年鉴风评不好,数据有错误可能。
数据检测,从技术的角度来看,是要检测你每一项数据正确与否,你是否从年鉴上引用错误等等。但他这里的意思,可能是需要你,参考其他更多的资料,与这项资料进行验证,确定数据的准确性,同时,我认为你还需要理解羊的饲养量,粮食产量等之间的关系,羊的饲养量与什么有关,粮食产量与什么有关,那项数据是什么情况,数据来源是哪里,你的分析如何,这些数据质量如何。这样反复比较,确定数据的真实可靠性。


雷达卡



京公网安备 11010802022788号







