【御数大家谈】数据质量管理中全员参与的重要性

编者按：随着大数据时代的来临，数据质量的重要性也将越来越高，一切没有数据质量支撑的数据应用都类似于建设在沙漠...



编者按：随着大数据时代的来临，数据质量的重要性也将越来越高，一切没有数据质量支撑的数据应用都类似于建设在沙漠上的高楼大厦。而一个组织中数据质量的管理工作也要走出传统的信息领域，通过明确数据管理的价值和管理重心，激励业务人员在过程中的参与，逐步推动组织全体员工在日常工作过程中养成重视数据、应用数据的习惯，建立起良好的企业数据文化，形成数据质量管理的良性循环。

本文作者御数坊联合创始人、数据治理专家宾军志认为，提升数据质量不只是信息部门的责任，各部门在数据生命周期的不同阶段要承担不同的责任，数据质量管理工作需要全员参与；并从企业数据文化、管理认责机制、激励制度等方面进一步提出了推动数据质量工作全员参与的具体措施。

随着大数据热潮的不断兴起，数据质量管理的重要性已经引起了越来越多单位的重视，例如银行业就专门发布了《银行监管统计数据质量管理良好标准（试行）》的行业规范，用于指导各银行监管统计相关数据质量的管理工作，其他行业，例如通信、电网等行业也研究和发布了数据质量管理相关的制度。但是随着数据质量工作的不断深入，各单位面临的挑战也越来越多，基层人员对于数据质量工作漠不关心，感觉增加了自己的工作量，没有太多价值。信息部门人员则苦不堪言，疲于应付监管和领导层的要求，埋头苦干，监测和修复数据质量相关问题，但是解决旧的问题之后，新的质量问题又源源而来，数据质量管理已经成为各单位信息人员心中永远的痛。

数据质量问题谁之责

数据质量问题产生的原因很多，为了切实提升数据质量的状况，很多单位都制定了数据质量相关的考核制度，但是在实际的执行过程中，很多都是信息部门自己发现问题，自己解决问题，过程中还有承受领导层和业务部门的各种责难。下面就是一个关于数据质量问题的典型场景：相信这种情况在很多单位中是经常发生的，信息部门一方面饱受其苦，另一方面也力不从心。因为数据的产生、数据的使用基本都是在业务部门，信息部门仅起到支撑的作用。那么数据质量问题到底是谁的责任呢？一个数据的生命周期从规划、设计、创建、应用、维护到归档，这个过程会涉及到很多的部门，从业务部门、管理部门到技术部门等，各个部门在数据生命周期的各个阶段都要承担相应的职责。例如在设计阶段，业务部门要描述数据的质量需求，技术部门要确保数据模型符合架构和标准的要求；在创建阶段业务部门要确保数据录入的准确和完整，技术部门则要保证工具能够减少质量问题的发生等等。

为此，数据质量相关的问题不能简单的说是哪个部门的责任，这需要是公司全体成员的参与，不同的人在数据生命周期各个阶段需要承担相应的职责，特别是业务人员在数据管理过程中的参与。

数据质量的全员参与

如上文所说，数据质量管理是组织内部各部门共同的事情，为了更好提升组织的数据质量状况，需要逐步建立良好的数据文化氛围，强调公司全员对于数据以及数据质量工作的重视程度。全面质量管理（TQM:Total QualityManagement）通过对相关行业质量管理经验的总结，制定了全面质量管理的八大原则：

TQM

是组织中的一项持续性的工作，在

TQM

中包含很多理念，例如：及时性

(Just-In-Time)、

质量管理戴明环、持续过程改进、全员参与等，但是

TQM

中一项基本的原则就是要强调全员的参与，通过组织中业务流程各个环节中相关人员共同的参与来提升产品的质量状况。

当前国内很多数据质量管理的工作都是由信息部门推动的，业务人员或者基层人员参与相对较少。但是这些人才是数据的创建和使用者，他们更了解数据的业务规则，更清楚相关的业务流程，更能体会到信息系统操作过程中的优缺点，他们的经验对于数据标准和数据质量业务规则的制定至关重要。同时，他们对于数据的态度也决定了公司数据质量的优劣程度。在David Plolkin的《Data Stewardship: AnActionable Guide to Effective Data Management and Data Governance》一书中系统地介绍了数据管理过程中各个角色应该起到的作用，下图对其中常见的几种角色进行了列举：

其中综合数据管理专员是综合的协调和推动人员，负责制定相关的制度并协调数据认责工作的推进，业务数据管理专员和技术数据管理专员要承担常态的数据管理工作，分别在业务领域和技术领域对数据进行管理。项目数据管理专员负责新建系统建设过程中的数据管理工作，确保新增数据能够符合架构和标准等方面的要求。从这张图中看，数据管理过程中涉及的角色非常多，需要各类角色的协同才能一起提升组织的数据质量状况。

如何推动数据质量管理中的全员参与

数据已经成为企业的战略资产，很多企业已经从业务信息化走向了数据驱动业务的发展模式，在这个过程中，数据管理和数据应用也将逐渐融入每个人的工作中，那么如何提升数据质量管理过程中的全员参与呢？根据一些项目实施的经验，我认为需要从以下几个方面入手：

• 加强数据相关的宣贯，建立企业的数据文化

改变人的行为是一个漫长的过程，同样，提升组织中员工对于数据质量的重视程度和参与程度同样是一个漫长的过程，这需要在组织中加强数据资产相关的宣贯和培训，从数据相关的概念、案例、知识体系、规章制度等多方面进行宣贯和培训，逐步建立企业的数据文化，这是建立数据质量管理中全员参与的重要一步。

• 识别核心数据，明确管理重点

数据质量管理工作是一个长期而持续的过程，永远不要期望一蹴而就。在国内数据质量管理的过程中，很多组织都希望全面提升数据质量状况，结果就是什么数据都管，但是最后什么数据都管不好。建议公司在数据质量管理的过程中首先需要识别公司的核心数据，明确这些数据的业务价值，然后明确这些数据的管理规则和要求，首先推动核心数据的质量管理，然后在循序渐进的扩大数据范围。

• 建立数据认责机制，明确各方职责

根据公司核心数据的明确，再明确这些数据相关的管理角色，特别是业务数据管理专员。需要让这些人知道自己负责那些数据，承担哪些职责，同时也要让业务数据管理专员了解管理这些数据的价值，知道他们自己进行数据质量管理的价值。

• 建立激励机制，提升基层人员的积极性

基层人员是数据产生的源头，同时也是很多数据的应用者，了解公司的业务，熟悉系统，也了解最终用户的需求，所以需要鼓励基层人员提出相关建议，特别是关于信息系统和业务流程等方面存在的问题，帮助公司改善业务流程，完善信息系统，杜绝将来数据质量问题的发生。在Larry P English的《Improving Data Warehouseand Business Information Quality》中的TIQM中，明确提出了改善公司数据质量状况的原则之一就是建立“non-blame, non-judgmental”（不批判，不责备）的工作环境，鼓励基层人员在数据质量管理过程中的参与。

总结

随着大数据时代的来临，数据质量的重要性也将越来越高，一切没有数据质量支撑的数据应用都类似于建设在沙漠上的高楼大厦。而一个组织中数据质量的管理工作也要走出传统的信息领域，通过明确数据管理的价值和管理重心，激励业务人员在过程中的参与，逐步推动组织全体员工在日常工作过程中养成重视数据、应用数据的习惯，建立起良好的企业数据文化，形成数据质量管理的良性循环。

    关注 御数坊