常見的資料質量問題有哪些

隨著數位化轉型的興起，許多企業都在尋求各種有用的方式蒐集資料，交換資料並使一切員工能夠訪問資料。儘管大多數公司都在運用這類資訊資源中受益，但有些公司仍然面臨著運用資料的精確性的問題。

那麼，常見的資料質量問題有哪些呢?

1、資料重複性問題

相同記載的多個副本會在核算和儲存上形成很大丟失，但假如未被發現，或許還會發生傾斜或不正確的見解。其間乙個關鍵問題或許是人為過錯——某個人偶爾輸入了屢次資料或演算法出錯。

2、非結構化資料

3、安全問題

除了諸如hipaa或pci資料安全規範(pci dss)之類的職業和法規規範之外，資料安全性和合規性還要求資料來自不同的**。不遵守這些規則或許會導致高額的罰款，乃至或許導致客戶忠誠度丟失。hipaa和pci等法規供給的指南也提出了關於強大的資料質量管理體系的令人信服的觀點。

4、蔭庇資料

5、資料過錯

最後，執行完全過錯的資料去進行分析與客戶聯絡毫無含義，資料或許很快就會變得不精確。假如不蒐集一切蔭庇的資料，我們的資料就不完好，並約束了我們依據完好而精確的資料集做出決議計畫。資料不精確會使體系中的資料充溢人為過錯，例如客戶供給的型別或過錯資訊將導致在過錯的字段中輸入詳細資訊。

無法解決人為錯誤，但是始終確保遵循清晰的程式是乙個良好的開始。在系統之間移動資料時，自動化工具可以減少工具的手動操作，同時，在減少疲倦或無聊的工人犯錯的風險方面也非常有用。