数据质量问题是“技术”问题还是“业务”问题？

是不是感觉漫画中的场景很熟悉？没错，这种场景几乎每天都在企业中重复上演。

一、数据质量问题的危害

当前越来越多的企业认识到了数据的重要性，数据仓库、大数据平台的建设如雨后春笋。但 数据是一把双刃剑，它能给企业带来业务价值的同时也是组织最大的风险来源。糟糕的数据质量常常意味着糟糕的业务决策，将直接导致数据统计分析不准确、监管业务难、高层领导难以决策等问题，据 IBM 统计：

• 错误或不完整数据导致 BI 和 CRM 系统不能正常发挥优势甚至失效

• 数据分析员每天有 30%的时间浪费在了辨别数据是否是“坏数据”上

• 低劣的数据质量严重降低了全球企业的年收入

可见数据质量问题已经严重影响了企业业务的正常运营，我着手数据质量项目近十年了，在实践中收获了一些经验。以下我将从数据质量问题的来源、责任主体等方面着手分析，并给出解决数据质量问题的策略，希望能给大家带来帮助。

二、数据质量问题来源

现在的数据集成融合就和古人筑堤坝一样，古人筑堤坝是为约束河水，扩展人类的生存空间；今人做数据集成融合，是为了挖掘数据价值，拓展企业的生存空间。那我们就在这个比喻的前提下，分析下数据质量问题的来源。

西汉的贾让在著名的治河文献《治河策》中提出了治理河水的策略，他认为在没有修筑大堤前，黄河“左右游荡，宽缓而不迫”，后来筑堤后，河道变窄，发生洪水时泄流不畅，常决口为患。

在企业信息化初期，各类业务系统恣意生长，这个阶段就像没有修筑大堤前的黄河，河水虽然漫流，但是河道宽阔，虽然也有数据问题，但不明显。

后来业务需求增长，需要按照统一的架构和标准把各类数据集成起来，这个阶段就像筑堤束水之后的黄河，泄流不畅、决口不断等问题纷纷出现，数据不一致、不完整、不准确等各种问题扑面而来。

费了九牛二虎之力才把数据融合起来，如果因为数据质量不高而无法完成数据价值的挖掘，那就太可惜了！大数据时代数据集成融合的需求会愈加迫切，不仅要融合企业内部数据，也要融合外部（互联网等）数据。如果没有对数据质量问题建立相应的管理策略和技术工具，那么数据质量问题的危害会更加严重。

三、数据质量问题责任主体

人们在解决问题之前，往往会先分析出问题的责任主体，很多人可能在纠结，数据质量问题究竟“业务”的问题还是“技术”的问题？根据我以往的经验，造成数据质量问题的原因主要分以下几种：

1、数据来源渠道多，责任不明确。

2、业务需求不清晰，数据填报缺失。

3、ETL 处理过程中，业务部门变更代码导致数据加工出错，影响报表的生成。

我们发现 1 和 2 都是业务的问题，3 虽然表面看是技术的问题，但本质上还是业务的问题。因此大部分数据质量问题主要还是来自于业务。我在和很多企业做数据治理技术交流的时候，发现很多企业认识不到数据质量问题的根本原因，只从技术单方面来解决数据问题，没有形成以管理机制，导致效果大打折扣。现在走过弯路之后，很多企业认识到了这一点，开始 从业务着手解决数据质量问题了。

四、解决数据质量问题，应该用“堵”还是用“疏”

弄清楚了数据质量问题来源、责任主体后，接下来就应该考虑如何解决。还以古人治理黄河水患为例来说明。

《治河策》中提出了治理水患的三种策略：“徙冀州之民当水冲者”为上策，主张不与水争地，能使黄河“宽缓而不迫”。中策是“多穿漕渠于冀州地，使民得以溉田，分杀水怒”，简单说就是分流，是上策的具体措施。下策是“缮完故堤，增卑培薄”，之所以是归为下策，是因为原来的堤防堤距过于狭窄，且堤线弯曲多变，再这样的基础上，无论怎么加高增厚，洪水问题也无法得到根本解决。

归纳总结下古人治理黄河水患，主要有两种套路，一种是“疏通”，上策迁移民众和中策分流黄河水患，都是具体体现；另一种是“围堵”，加高增厚堤防，抑制河水泛滥。

在治理数据质量的问题时，也可以应用下古人的智慧和考量。采用规划顶层设计，制定统一数据架构、数据标准，设计数据质量的管理机制，建立相应的组织架构和管理制度，采用分类处理的方式持续提升数据质量，这是数据质量管理 “疏”的方式。而单纯依赖技术手段，通过增加 ETL 数据清洗处理逻辑的复杂度，使用数据质量工具来发现 ETL 数据处理中的问题属于 “堵”的方式，只能解决表面的问题，不是根本的解决方法。这种方式其实也在好多企业中使用，其根本目的在于提高 ETL 处理的准确度，做法无可厚非，毕竟需求的出发点不一样，面临的现状也不一样。

按照我之前在多个行业实施数据质量管理项目的经验，数据质量管理的最佳实践是采用“疏”和“堵”相结合的方式，通过这种方式解决数据质量问题有几个要点：

1、定义业务问题、规划顶层设计

在解决数据质量问题之前需要定义清楚业务问题。是以提高主数据的质量为目标、以整改 BI 数据问题为目标，还是以满足风险管理、监管报送要求为目标。

在业务问题定义清楚之后，需要以业务问题为出发点，做顶层设计。设计好某业务主题的标准，以标准作为数据质量校验规则的准绳。数据标准的制定不在本文的讨论范围，这里就不在展开说了。这个是“疏”的最高境界，往往耗费的成本也比较高。

2、建立数据质量闭环管理机制

从问题定义、问题发现、问题整改、问题跟踪、效果评估 5 个方面建立相应的管理及认责机制。从业务出发做问题定义，由工具自动、及时发现问题，明确问题责任人，通过邮件、短信等方式进行通知，保证问题及时通知到责任人。跟踪问题整改进度，建立相应的质量问题评估 KPI。保证数据质量问题全过程的管理。

3、对不同数据的数据问题分类处理

在时间维度上分，企业数据主要有三类：未来数据、当前数据、历史数据。在解决不同种类的数据质量问题时，也要采取不同的处理方式。

• 历史数据

如果你拿着历史数据，找业务部门给你做整改，业务部门通常以“当前的数据问题都处理不过来，哪有时间帮你一起追查历史数据的问题”为理由无情拒绝。这个时候即便是找领导协调，一般也起不到太大的作用。对于历史数据问题的处理，一般可以发挥 IT 技术人员的优势，用数据清洗的办法来解决，清洗的过程要综合使用各类数据源，提升历史数据的质量。

• 当前数据

当前数据的问题，需要通过从问题定义、问题发现、问题整改、问题跟踪、效果评估 5 个方面来解决。具体可以参考我之前在普元微信公众号的文章《大数据是否值得信赖——浅谈商业银行数据质量管理》。

• 未来数据

未来数据的处理，一般要采用做数据规划的方法来解决，从整个企业信息化的角度出发，规划统一企业数据架构，制定企业数据标准和数据模型。借业务系统改造或者重建的时机，来从根本上提高数据质量。当然这种机会是可遇而不可求的，在机会到来之前应该把企业数据标准和数据模型建立起来，一旦机会出现，就可以遵循这些标准。

这样，通过对不同时期数据的分类处理，采用不同的处理方式做到事前预防、事中监控、事后改善，能从根本上解决数据质量问题，为企业业务创新打通数据关卡。

五、总结

综上所述，数据质量问题需要业务部门参与才能从根本上解决。要发挥数据资产的价值，需要将组织、技术和流程三者进行有机结合，从业务出发做问题定义，由工具自动、及时发现问题，跟踪问题整改进度，并建立相应的质量问题评估 KPI。通过采用数据质量问题全过程的管理的“疏”和“堵”结合方式，才能最终实现提升数据质量持续提升的目标，支撑数据业务应用，体现数据价值。

参考文献：

[1] DAMA international 著、马欢、刘晨等译.DAMA 数据管理知识体系指南.北京.清华大学出版社 2012.7

[2]王轩.建设大数据平台，从“治理”数据谈起[EB/OL],2017-06-23/2017-10-13.

[3]刘庆会.大数据是否值得信赖——浅谈商业银行如何提升数据质量 [EB/OL], 2016-04-14

[4]谢泽添.基于 CWM 的商业银行元数据仓库的研究与应用,2008-09-01

[5] 贾让.治河三策千古鉴.河北水利,2016(2):36-36

作者介绍：

刘庆会

主要负责普元大数据治理产品的实施，十年大型企业信息数据治理架构设计与建设经验，为多家大型金融机构、企业设计与规划数据管理整体框架和项目实施，客户包括国家开发银行、中信银行、北京银行、重庆农商行、攀枝花银行、国家电网、浙江电力、新奥能源以及中国东方航空、中国国际航空等。数据行业有着深入的研究和洞察，并对企业信息化平台建设，数据治理及大数据平台建设有着丰富经验。