《管理信息系统数据质量管理(草案)》由会员分享，可在线阅读，更多相关《管理信息系统数据质量管理(草案)（3页珍藏版）》请在金锄头文库上搜索。
1、管理信息系统数据质量管理研讨（讨论稿）1、数据质量管理的方法探讨：数据质量的要素:完整性一致性实时性唯一性等,这些指标太抽象,无法进行度量,较难指导和实行数据质量管理。数据质量与数据应用的环境和管理条件密切相关，因此，从管理上建立约束和监督机制；从技术上建立可以反映数据用途、可以度量数据质量的定义和检测手段是推进信息系统数据质量管理的有效方法。 数据质量管理可以秉承MIT的TDQM （Total Data Quality Management，TDQM）思想。 物理层：（1）元数据管理（数据模型、质量模型、生产模型）（2）规则库、算法库逻辑层：（1） 数据定义、数据处理规则（数据回流）管理层：
2、 数据监控。2、建立哪些数据质量管理文档的探讨：管理保障方面: 管理信息系统数据质量管理规定（信息标准化管理文档）技术保障方面:【系统开发时制订】（1） 数据字典(系统需求分析说明书中描述)；（2） 数据录入与维护操作规程;（用户使用操作说明书附件）【系统上线运行后制订】（1） 数据质量检测标准和检测方法(数据质量扫描规则表?)（2） 数据质量检测程序(脚本)（列入版本管理，发布流程）；3、数据质量管理技术探讨 【数据描述问题】 数据描述应该是数据定义阶段的问题。TDQM中描述数据质量的要素可归并为4大类15个维度： 4大类是：本质特性 应用相关性表现特性获取特性 单从数据组织层面看，有：单数据源的模式层和实例层问题；多数据源的模式层和实例层问题。 实践证明，以UML基于实例来描述管理数据应该是比较理想的技术方法，建议在我们的工作中应该固化下来。 【数据检测问题】（1） 在数据流动的各个环节进行质量控制（根据DFD图？）（2） 对数据质量的评估与分析（目前国内外尚没有系统化的数据质量评估指标），但可以采用工具产品（例如：IA【Integrity Analyzer】）做数据质量的完整性、一致性和复杂性等指标的评估对比。
