数据质量是做什么的

㈠ 数据仓库的数据质量主要包括哪些内容

数据库设计包括六个主要步骤：
1、需求分析：了解用户的数据需求、处理需求、安全性及完整性要求；
2、概念设计：通过数据抽象，设计系统概念模型，一般为e-r模型；
3、逻辑结构设计：设计系统的模式和外模式，对于关系模型主要是基本表和视图；
4、物理结构设计：设计数据的存储结构和存取方法，如索引的设计；
5、系统实施：组织数据入库、编制应用程序、试运行；
6、运行维护：系统投入运行，长期的维护工作。

㈡ 数据质量基本概念

误差反映了数据与真实值或者公认的真值之间的差异，它是一种常用的衡量数据准确性的表达公式。

数据的准确度被定义为结果、计算值或估计值与真实值或者公认的真值的接近程度。
如果两地间的距离为110，从地图上量测的举例为98，那么地图距离的误差为2；若用GPS测量并计算两点间的距离得99.9，则GPS的测距误差为0.1，因而GPS比地图量测距离更准确。

数据的精密度指数据表示的精密程度，亦即数据表示的有效位数。它表现了测量值本身的离散程度。由于精密度的实质在于它对数据准确度的影响。同时在很多情况下，它可以通过准确度而得到体现，故常把两者结合在一起称为精确度，简称精度。
如对同样两点，用GPS测量可得9.903，而用工程制图尺在1:10万地形图上量算仅可得小数点后两位，即9.85。9.85比9.903精度低。但精度低的数据并不一定准确度低。

不确定性是关于空间过程和特征不能被准确确定的程度，是自然界各种空间现象自身固有的属性。在内容上，它是以真值为中心的一个范围，这个范围越大，数据的不确定性也就越大。
当真值不可测或无法知道时，我们就无法确定误差，因而用不确定性取代误差。统计上，用多次测量的平均值来计算真值，因而标准差来反映可能的误差大小。因此可以用标准差来表示测量值不确定性。然而欲知标准差，就需要对同一现象做多次测量。所以要知道某测量值的不确定程度，需要多次测量，而称一次测量的结果为不确定的。

相容性是指两个来源的数据在同一个应用中使用的难易程度。
例如两个相邻地区的土地利用图，当要将它们拼接到一起时，两图边缘处不仅边界线可良好地衔接，而且类型也一致，称两图相容性好。反之，若图上的土地利用边界无法接边，可见两个城市的统计指标不一致也可造成数据无法比较致使数据不相容。这种不相容可以通过同一分类和统计标准来减轻。
另一类不相容性，可从使用不同比例尺的地图数据看到，一般土壤图比例尺小于1:10万，而植被图则在1:15000至1:50000之间，当使用这两种数据进行生态分类时，可能出现两种情况：一是当某一土壤图的图斑大得使它代表的土壤类型在生态分类时可以被忽略；二是当土地界线与某植被图斑相交时，它实际应该与植被图斑的部分界线一致。

一致性是指对同一现象或同类现象的表达的一致程度。如果同一条河流，在地形图上和在土壤图上形状不同，又如同一行政边界在人口图和土地利用图上不能重合，这些均表示数据的一致性差。

完整性是指具有同一准确度和精度的数据在类型上和特定范围内是否完整的程度。完整性主要是针对空间属性数据的，且随着时代的发展而完整性不断在完善。针对不同的应用部门对完整性的内容不一样，如：交通部门和房地产部门对房子的认识就不一样，交通部门只要知道房子的位置就行了，而房地产部门对房子就要知道其大小，结构，房主，房价等。可见实体的完整性是地图最难确定的，也是最需要更新的。

可得性是指获取或使用数据的容易程度。保密的数据按其等级限制使用者的多少，有些单位或个人无权使用；公开的数据则按价决定可得性。由于我国经济水平还比较低，数据的可得性已人为制约地图在我国的发展和造成地图基础设施的重复建设。

现势性是指数据反映客观目前状况的程度。不同现象的变化频率是不同的，如地形、地质状况的变化一般来说比人类建设要缓慢，地形可能由于山崩、雪崩、滑坡、泥石流、人工挖掘及填海等原因而在局部区域改变。

㈢ 数据质量有几种维度分别是什么

• 完整性

数据完整性问题包含数据条目不完整，数据属性不完整等


• 一致性多源数据的数据模型不一致，如命名不一致，数据编码不一致，含义不一致，生命周期不一致等

• 准确性准确性也叫可靠性，不可靠的数据可能会导致严重的问题，会造成有缺陷的方法和糟糕的决策
  

• 唯一性

用于识别和度量重复数据，冗余数据，重复数据是导致业务无法协同，流程无法追溯的重要因素，也是数据治理需要解 决的最基本的数据问题

• 关联性数据关联性问题是指存在数据关联的数据关系缺失或错误，例如：函数关系、相关系数、主外键关系、索引关系等。存在数据关联性问题，会直接影响数据分析的结果，进而影响管理决策。
  

• 真实性

数据必须真实准确的反映客观的实体存在或真实的业务，真 实可靠的 原始统 计数据是企业统计工作的灵魂，是一切管理工作的基础，是经 营 者进行正确经营决策必不可少的第一手 资料。

• 及时性数据的及时性(In-time)是指能否在需要的时候获到数据，数据的及时性与企业的数据处理速度及效率有直接的关系，是影响业务处理和管理效率的关键指标。

• 逻辑检查不同表字段之间可能会有逻辑关联，需要稽核

• 离群值检查部分数据可能会偏离其他数据，比如同一个商品金额大家都是100元，而有一条数据是1W

• 自定义规则由需求方自定义相关规则

• 波动稽核

与上周环比稽核波动情况


• 强弱规则
  

每个规则的权重应该是不一样的，需要配置优先级，这对后续的告警方式是有帮助的

我们最终的目的是希望做到页面可配置

㈣ 数据质量

浅谈数据质量管理：为了更清醒的数据

数据质量管理的一些思考

大数据Clouder认证：使用MaxCompute进行数据质量核查

度量的两个方面：

1、设计质量度量

数据资产目录 数据标准 数据模型 数据分布

2、执行质量度量

完整性 准确性 唯一性 一致性 及时性 有效性  （单列、跨列、跨行、跨表）

数据质量设计原则

1、关键环节注入监控流程 比如数据源接入、多维模型等

2、重要数据：事务数据、主数据、基础数据（数据字典）要进入监控流程；持续稳定的数据可以退出监控流程；价值密度低可以退出监控流程；

数据质量四部曲

策划、控制、度量、改进

打分机制：

指定表的质量KPI，针对表的故障率进行数据质量运营。

最主要的数据质量度量：

1、完整性：空值，数据量（是否漏传）等；

2、一致性：各层前后结果是否一致；

3、是否重复性：数据在单层是否重复

工具：

Griffin 功能有Bug 

Shell+Hive 建议（通过Web界面化）

各层校验规则：

ods层：

- 增量数据记录数（短期）设置合理值

- 全量数据记录数（长期）设置合理值

- 空值：

-重复值：使用不为空的字段校验

dwd层：

- 一致性 将需要一致性检测的字段，与ods层做关联join

- 重复性 使用不为空的字段校验

- 空值不需要检验：因为已经做了一致性校验了

dws/dwt层：

- 思路跟ods层一样

ads层:

- 判定指标是否在合理范围内，需设置合理值，与之对比，如超预期，展现层不体现该指标，并触发质量问题排查追踪（atlas追踪血缘关系，触发ETL流程）

数据质量修复：

1、数据丢失：按DT分区，重新导入

2、数据重复：分区表：按DT分区，删除分区所有数据，重新导入；全量表：重导一次

3、指标不符合正常规律：atlas追踪血缘关系，触发ETL流程

㈤ 数据质量

(1)国土资源部提供政策、行政措施支撑，中国地质调查局负责全国地质钻孔数据的建库、质量检查和验收工作，并按照统一标准，集成省级地质钻孔数据库，建立全国性的国家级地质钻孔数据库。

(2)各省国土资源厅负责组织辖区内(地矿、冶金、煤炭、有色、建材、黄金部队)各个部门的建库和质量监控和验收工作，并向国土资源部报送省级的地质钻孔数据库和工作总结报告。

(3)质量控制与建库工作同步进行，负责建库的基层地勘单位(资料室)，设立质量监督人员，随时检查数据采集、数据入库的质量，并填写地质钻孔数据建库工作日志表，地质钻孔数据采集、录入自(互)检表，地质钻孔岩性分层数据自(互)检表，地质钻孔数据库建设成果数据检查记录表，备查。

(4)质量评价，按照质量评判标准和质量管理程序，由计算机自动对入机数据进行质量评判和等级判定，判定结果自动保存在数据表中，并自动搜索、提取错误记录汇总到错误信息表，供专家根据相关标准对错误数据进行检查、核实。

(5)各省(区、市)及下属的局(地矿、冶金、煤炭、有色、建材、黄金)设立建库质量监控、评价荐审专家组，负责辖区内的建库质量检查和项目评审工作。

㈥ 什么是地理信息系统的数据质量具体包括哪些内容

-关于数据质量
质量：是一个用来表征人造物品的优越性或者证明其所具有技术含量的多少或

者表示其艺术性高低的常用术语。
近年来由于一下原因，关注数据质量：
1， 增加私营部门的数据生产 。
2，进一步利用地理信息作为决策支持工具。
3，日益依赖二手数据来源。
—空间数据质量的概念：
1，误差：反映了数据与真值或者大家公认的真值之间的关系。
2，数据的准确度：被定义为结果计算值或估计值或公认值之间的接近程度。
3，数据的精密度（仪器本身）：是指在数量上能够辨别的程度，指数据的有效位

数，表示测量值本身的离散程度。分辨率影响到一个数据库对某个具体应用的适用

程度。
4，不确定性：是关于空间过程和特征，不能被准确确定的程度。

㈦ 数据质量有哪些内容

数据质量包括： 准确性，即一个记录值与它的真实值之间的接近程度; 精度，即对现象描述的详细程度; 空间分辨率，即两个可测量数值之间最小的可辨识的差异; 比例尺，即地图上一个记录的距离和它所表现的真实距离之间的一个比值; 误差，即一个所记录的测量和它的事实之间的差异; 不确定性，包括空间位置的不确定性、属性不确定性和数据不完整性等。 《建设工程质量管理条例》第九条 建设单位必须向有关的勘察、设计、施工、工程监理等单位提供与建设工程有关的原始资料。 原始资料必须真实、准确、齐全。

㈧ 数据质量分析的主要内容包括哪些

包括：
1、影响GIS数据质量的因素
2、 GIS数据源的质量问题
3、GIS数据库建立过程中的质量问题
4、GIS分析处理过程引入的数据质量问题

㈨ 什么是数据的质量

�1�3 测量系统分析（MSA） 什么是测量系统 * 测量系统：用来对被测特性赋值的操作、程序、量具、设备、 软件及操作人员的集合 人 设备 材料 测量过程 数据 方法 环境 输入 输出 * 测量系统应具备的特性 1 ） 处于统计控制状态，即只存在变差的普通原因； 2 ） 测量系统的变异性小于过程变异性； 3 ） 测量系统的变异性小于技术规范界限； 4 ） 测量精度应高于过程变异性和技术规范宽度的 1/10 ； 5 ） 当被测项目变化时，测量系统统计特性的最大变差小于过 程变差和规范宽度较小者； * 数据的类型 ——计量型数据 ——计数型数据 * 如何评定数据质量 ——测量结果与“真”值的差越小越好 ——数据质量是用多次测量的统计结果进 行评定 * 计量型数据的质量 ——均值与真值（基准值）之差 ——方差大小 * 计数型数据的质量 ——对产品特性产生错误分级的概率 测量系统评定的两个阶段 * 第一阶段（使用前） ——确定统计特性是否满足需要 ——确定环境因素是否有影响 * 第二阶段（使用过程） ——确定是否持续的具备恰当的统计特性 测量系统特性及变差类型和定义 类型 定义 图示 分辨力 测量系统检出并 如实指出被测定 特性微小变化的 能力 评价均值质量 偏倚 观测平均值与基 准值的差 基准值 偏倚 稳定性 在某种持续时间 内测量同一基准 或零件单一特性 结果的总变差 稳定性 时间 2 时间 1 线性 量具的预期工作 范围内偏倚的变 化 观察平均值 有偏倚 无偏倚 基准值 评价变差 质量 重复性 同一评价人，多次 测量同一特性的 观测值变差 再现性 不同评价人，测量 同一特性观测平 均值的变差 B C A 再现性 测量系统的分辨力 * 建议的可视分辨率 ≤ 6 σ /10 σ——过程的标准差（不是公差宽度的 1/10 ） * 分辨率不足对控制图的影响 测量系统的稳定性 * 两种稳定性 ——一般概念：随着时间变化系统偏倚的总变 差。 ——统计稳定性概念：测量系统只存在普通原 因变差而没有特殊原因变差。 * 利用控制图评价测量系统稳定性。 ——保持基准件或标准样件。 ——极差图（标准差图）出现失控时，说明存 在不稳定的重复性。 ——均值图出现失控时，说明偏倚不稳定。 评价测量系统的三个基本问题 * 是否有足够的分辨力 * 是否统计稳定 * 统计特性用于过程控制和分析是否可接受。 盲测法 * 在实际测量环境下，在操作者事先不知正在对 该测量系统进行评定的条件下，获得测量结果。 向传统观念挑战 * 长期存在的把测量误差只作为公差范围百分 率来报告的传统，是不能面临未来持续改进的 市场挑战。 国际标准 国家标准 地方标准 公司标准 检测设 备制造厂 测量结果 * 追溯性：通过应用连接标准等级体系的适当标 标准的传递 国际实验室 国家实验室 国家认可的 校准机构 企业的校准 实验室 生产现场 准程序，使单个测量结果与国家标准或国家接 受的测量系统相联系。

㈩ 数据的质量体现在哪里

数据质量主要包括：统计数据的内容质量、表述质量、约束标准三大方面。
统计数据的内容质量是统计数据最基本的特征，它包括相关性、准确性与及时性。一旦缺少了其中任何一个，统计数据就失去了转化为信息的性质和基本作用。因此，这三个特征也可称为统计数据质量的主要特征。
数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系，高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。有了普遍深入的数据质量，企业在任何时候都可以信任满足所有需求的所有数据。