数据质量改进实践指南【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数据质量改进实践指南PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 低劣数据质量的业务影响1

1.1 信息价值与数据质量改进2

1.2 业务期望指数与数据质量3

1.3 减轻影响4

1.4 若干实例5

1.5 影响分类的进一步讨论8

1.6 业务影响分析10

1.7 其他影响类别11

1.8 影响分类系统和迭代改进12

1.9 小结：将影响转化为绩效12

第2章 组织的数据质量计划13

2.1 数据质量的良性循环13

2.2 数据质量流程15

2.3 利益相关者和参与者20

2.4 数据质量工具22

2.5 小结25

第3章 数据质量成熟度26

3.1 数据质量战略26

3.2 数据质量框架28

3.3 数据质量能力／成熟度模型31

3.4 框架组件与成熟度模型的映射33

3.5 小结38

第4章 企业行动整合39

4.1 规划行动39

4.2 框架行动44

4.3 操作和应用行动45

4.4 范围问题47

4.5 小结48

第5章 建立业务案例和数据质量路线图49

5.1 数据质量投资回报50

5.2 建立业务案例50

5.3 发现业务影响51

5.4 研究成本53

5.5 关联影响与原因53

5.6 影响矩阵54

5.7 问题、问题要点和原因55

5.8 关联影响与数据缺陷55

5.9 估算价值差距56

5.10 划分优先级行动58

5.11 数据质量路线图59

5.12 建立路线图的实际步骤61

5.13 责任、职责和管理61

5.14 数据质量计划的生命周期65

5.15 小结66

第6章 度量指标和绩效改进67

6.1 面向绩效的数据质量67

6.2 建立数据质量度量指标68

6.3 测量和关键数据质量绩效指标71

6.4 统计过程控制73

6.5 控制图74

6.6 多种控制图77

6.7 控制图说明80

6.8 查找特殊原因82

6.9 维护控制82

6.10 小结83

第7章 数据治理84

7.1 企业数据质量论坛85

7.2 数据质量章程85

7.3 任务和指导原则86

7.4 角色和职责87

7.5 运营结构调整优化90

7.6 数据统管91

7.7 数据质量验证和认证92

7.8 问题和解决方案93

7.9 数据治理和联合社团93

7.10 小结94

第8章 数据质量维度95

8.1 什么是数据质量维度96

8.2 维度类别96

8.3 数据质量维度描述98

8.4 内在维度99

8.5 上下文维度102

8.6 定性维度105

8.7 找出自己的维度106

8.8 小结107

第9章 数据需求分析108

9.1 信息的企业用途和业务证析109

9.2 业务驱动和数据依赖关系111

9.3 什么是数据需求分析112

9.4 数据需求分析流程113

9.5 定义数据质量规则117

9.6 小结121

第10章 元数据与数据标准122

10.1 挑战123

10.2 数据标准124

10.3 元数据管理125

10.4 业务定义126

10.5 参考元数据128

10.6 数据元131

10.7 业务元数据134

10.8 数据协调流程135

10.9 小结137

第11章 数据质量评价139

11.1 规划140

11.2 业务流程评估141

11.3 准备和数据分析143

11.4 数据剖析和分析145

11.5 分析结果的综合147

11.6 企业客户审查149

11.7 快速数据评价小结——明确的结果150

第12章 修复和改进计划151

12.1 按性质分类152

12.2 信息流图155

12.3 根本原因分析157

12.4 修复158

12.5 执行159

12.6 小结159

第13章 数据质量服务水平协议160

13.1 业务驱动和成功准则161

13.2 识别数据质量规则163

13.3 建立数据质量控制166

13.4 数据质量服务水平协议166

13.5 检查和监测168

13.6 数据质量度量指标和数据质量记分卡169

13.7 数据质量事件报告和跟踪170

13.8 自动化指标汇集171

13.9 记分卡报告172

13.10 采取修复行动175

13.11 小结——管理使用数据质量记分卡175

第14章 数据剖析176

14.1 数据剖析的应用环境177

14.2 数据剖析：算法技术179

14.3 数据逆向工程181

14.4 异常分析182

14.5 数据质量规则发现184

14.6 元数据合规性和数据模型完整性186

14.7 协调参与者187

14.8 选择分析数据集188

14.9 小结190

第15章 解析和标准化191

15.1 数据错误范例192

15.2 元数据的作用193

15.3 标记：含义的单位194

15.4 解析196

15.5 标准化198

15.6 定义规则和转换建议199

15.7 主动与被动的矛盾202

15.8 将数据转换整合进应用框架203

15.9 小结203

第16章 实体身份分辨205

16.1 数据纠正的诱因206

16.2 唯一身份的双重挑战206

16.3 什么是实体207

16.4 识别属性208

16.5 相似度分析和匹配流程209

16.6 匹配算法210

16.7 虚报、漏报和阈值设定212

16.8 保留213

16.9 链接和保留监测215

16.10 实体搜索与匹配和计算复杂度215

16.11 身份分辨的应用216

16.12 业务需求评估217

16.13 小结217

第17章 检查、监测、审核和跟踪219

17.1 再谈数据质量服务水平协议220

17.2 实行检查和监测：技术与流程220

17.3 数据质量业务规则223

17.4 自动检查和监测225

17.5 事故报告、通知和问题管理226

17.6 小结228

第18章 数据增强229

18.1 增强的价值230

18.2 数据增强方法230

18.3 数据增强的实例231

18.4 通过标准化增强233

18.5 通过上下文增强234

18.6 通过数据合并增强235

18.7 小结：符合规定的增强数据源237

第19章 主数据管理和数据质量238

19.1 什么是主数据239

19.2 什么是主数据管理240

19.3 “黄金记录”或“统一视图”241

19.4 作为工具的主数据管理241

19.5 主数据管理：一种高层组件方法243

19.6 主数据使用场景245

19.7 主数据管理架构247

19.8 识别主数据250

19.9 主数据服务251

19.10 小结：走近主数据管理和数据质量256

第20章 全书总结257

20.1 组织和管理257

20.2 建立信息质量计划263

20.3 技术和工具272

20.4 小结279

索引280