大数据环境下的数据质量管理策略.doc

《大数据环境下的数据质量管理策略.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、大数据环境下的数据质量管理策略　　信息时代，数据已经慢慢成为一种资产，数据质量成为决定资产优劣的一个重要方面。随着大数据的发展，越来越丰富的数据给数据质量的提升带来了新的挑战和困难。提出一种数据质量策略，从建立数据质量评价体系、落实质量信息的采集分析与监控、建立持续改进的工作机制和完善元数据管理４个方面，多方位优化改进，最终形成一套完善的质量管理体系，为信息系统提供高质量的数据支持。　　１信息系统数据质量　　信息由数据构成，数据是信息的基础，数据已经成为一种重要资源。对于企业而言，进行市场情报调研、客户关系维护、财务报表展现、战略决策支持等，都需要信息系统进行数据的搜集、分析、知识发现

2、，为决策者提供充足且准确的情报和资料。对于政府而言，进行社会管理和公共服务，影响面更为宽广和深远，政策和服务能否满足社会需要，是否高效地使用了公共资源，都需要数据提供支持和保障，因而对数据的需求显得更为迫切，对数据质量的要求也更为苛刻。　　作为信息系统的重要构成部分，数据质量问题是影响信息系统运行的关键因素，直接关系到信息系统建设的成败。根据“垃圾进，垃圾出（ｇａｒｂａｇｅｉｎ，ｇａｒｂａｇｅｏｕｔ）”的原理，为了使信息系统建设取得预期效果，达到数据决策的目标，就要求信息系统提供的数据是可靠的，能够准确反应客观事实。如果数据质量得不到保证，即使数据分析工具再先进，模型再合理，算法再优良

3、，在充满“垃圾”的数据环境中也只能得到毫无意义的垃圾信息，系统运行的结果、作出的分析就可能是错误的，甚至影响到后续决策的制定和实行。高质量的数据来源于数据收集，是数据设计以及数据分析、评估、修正等环节的强力保证。因此，信息系统数据质量管理尤为重要，这就需要建立一个有效的数据质量管理体系，尽可能全面发现数据存在的问题并分析原因，以推动数据质量的持续改进。　　２大数据环境下数据质量管理面临的挑战　　随着三网融合、移动互联网、云计算、物联网的快速发展，数据的生产者、生产环节都在急速攀升，随之快速产生的数据呈指数级增长。在信息和网络技术飞速发展的今天，越来越多的企业业务和社会活动实现了数字化。

4、全球最大的零售商沃尔玛，每天通过分布在世界各地的６０００多家商店向全球客户销售超过２．６７亿件商品，每小时获得２．５ＰＢ的交易数据。而物联网下的传感数据也慢慢发展成了大数据的主要来源之一。有研究估计，２０１５年全球数据量为８ＺＢ，而到２０２０年则高达３５．２ＺＢ，是２０１５年数据量的４４倍之多。此外，随着移动互联网、Ｗｅｂ２．０技术和电子商务技术的飞速发展，大量的多媒体内容在指数增长的数据量中发挥着重要作用。　　大数据时代下的数据与传统数据呈现出了重大差别，直接影响到数据在流转环节中的各个方面，给数据存储处理分析性能、数据质量保障都带来了很大挑战。大数据与传统数据对比如表１所示。　　由

5、于以上特性，大数据的信息系统更容易产生数据质量问题：　　（１）在数据收集方面，大数据的多样性决定了数据来源的复杂性。来源众多、结构各异、大量不同的数据源之间存在着冲突、不一致或相互矛盾的现象。在数据获取阶段保证数据定义的完整性、数据质量的可靠性尤为必要。　　（２）由于规模大，大数据获取、存储、传输和计算过程中可能产生更多错误。采用传统数据的人工错误检测与修复或简单的程序匹配处理，远远处理不了大数据环境下的数据问题。　　（３）由于高速性，数据的大量更新会导致过时数据迅速产生，也更易产生不一致数据。　　（４）由于发展迅速，市场庞大，厂商众多，直接产生的数据或者产品产生的数据标准不完善，使得

6、数据有更大的可能产生不一致和冲突。　　（５）由于数据生产源头激增，产生的数据来源众多，结构各异，以及系统更新升级加快和应用技术更新换代频繁，使得不同的数据源之间、相同的数据源之间都可能存在着冲突、不一致或相互矛盾的现象，再加上数据收集与集成往往由多个团队协作完成，期间增大了数据处理过程中产生问题数据的概率。　　３数据质量管理策略　　为了改进和提高数据质量，必须从产生数据的源头开始抓起，从管理入手，对数据运行的全过程进行监控，密切关注数据质量的发展和变化，深入研究数据质量问题所遵循的客观规律，分析其产生的机理，探索科学有效的控制方法和改进措施；必须强化全面数据质量管理的思想观念，把这一观

7、念渗透到数据生命周期的全过程。　　大数据下信息系统的数据处理架构如图１所示。　　传统数据仓库中ＥＴＬ的环节在大数据应用中会根据实际业务需求在不同的环节存在，分别进行粗细粒度不等的数据抽取、转换和加载，以适应容纳处理不同规模、不同结构、不同流量的数据。　　结合大数据的参考框架及数据处理实际需求情况，数据质量管理可以从以下几个方面着手，以多方协作改进，最终实现系统数据处于持续高效可用的状态。　　３．１建立数据质量评价体系　　评估数据质量，可以从如下