数据质量管理实践手册

数据质量管理实践手册
作　者： 罗伯特·霍克
出版社： 机械工业出版社
丛编项：
版权说明： 本书为公共版权或经版权方授权，请支持正版图书
标　签： 暂缺
ISBN 出版时间 包装 开本 页数 字数
未知 暂无 暂无 未知 0 暂无

作者简介

　　罗伯特？霍克（Robert Hawker）在 2007 年转而投身数据领域之前，其职业生涯始于一名注册会计师。在长达 14 年的时间里，他在两次全球范围内的思爱普（SAP）实施项目中领导数据团队，负责主数据管理、数据所有权和管理、元数据管理，当然还有数据质量。2017 年，他进入分析领域，现在专门从事微软 Power BI 的培训、实施、管理和治理工作。他居住在英国，并通过会议和博客分享自己的经验。译者：马欢本科毕业于同济大学，后获得上海交通大学工学硕士学位。从开发工程师做起，担任过系统分析师、系统架构师、项目经理等角色。具有20多年的信息系统开发设计经验，曾经两次获得部级科技发展奖项。主持翻译了《DAMA数据管理知识体系指南》等专业书籍，作为骨干编委参与编写《国际数字之都——上海城市数字化转型市民手册》，此外还翻译了《首席数据官管理手册：建立并运行组织的数据供应链》《区块链重构规则》《数据与现实》《统一星型模型》等多本译著。2011年首次把数据管理专业人士认证（CDMP）引入中国，并获得CDMP大师级认证，主理的“DAMA数据管理”是国内最活跃的专业社区之一。杨晓敏河北工业大学硕士，10年数据分析经验，担任过高级数据分析师、数据开发工程师职务，获得信息技术中级工程师职称。善于从复杂的数据中提炼出有价值的信息，为企业的决策提供有力的数据支持。

内容简介

本书深入剖析了组织中数据质量的重要性及提升方法，为组织打造优质数据提供了全面的指导。书中首先揭示了糟糕的数据质量对企业流程、决策及合规的潜在影响，进而阐述了提高数据质量的核心要素和端到端的实践流程。详细解析了数据质量提升方案的每个步骤，从构建业务案例到管理初期的繁忙阶段，再到确定关键利益相关者并明确数据规则，为读者提供了清晰的操作路径。此外，书中还介绍了数据监控与修正的有效方法，并探讨了如何将良好的数据实践融入企业日常运营。最后，作者总结了一份提升数据质量的完整纲要，配以实例和模板工具，以点燃读者的探索热情，并助力数据质量工作持续高效推进。本书是企业数据质量管理的指南，适合各类组织的数据从业者和管理者阅读参考。

图书目录

译者序

序

贡献者

前言

第1部分入门

第1章数据质量对组织的影响

1.1本书的价值

1.1.1高层支持的重要性

1.1.2问题数据的详细定义

1.1.3问题数据与完美数据

1.2问题数据的影响

1.2.1量化问题数据的影响

1.2.2问题数据的深层次影响

1.3产生问题数据的原因

1.3.1数据文化缺失

1.3.2流程处理速度优先于数据治理

1.3.3合并与收购

1.4本章小结

第2章数据质量原则

2.1在数据治理背景下的数据质量

2.1.1数据治理作为一门学科

2.1.2数据治理工具和主数据管理

2.1.3如何将数据质量融入数据治理和主数据管理

2.2公认的数据质量原则和术语

2.2.1数据质量基本术语的定义

2.2.2数据质量维度

2.3数据质量方案的利益相关方

2.4数据质量改进周期

2.4.1商业案例

2.4.2数据发现

2.4.3规则制定

2.4.4监控

2.4.5补救

2.4.6纳入日常运营

2.5本章小结

第3章数据质量的商业案例

3.1活动、组成部分和费用

3.1.1数据质量方案的活动

3.1.2早期阶段

3.1.3规划和商业案例阶段

3.2定量收益估算

3.2.1实例——计算量化收益的难度

3.2.2量化策略

3.3定性收益评估

3.3.1调查和焦点小组

3.3.2详细阐述数据质量定性风险

3.4预测领导力挑战

3.4.1“Excel就可以完成工作”的挑战

3.4.2持续费用所有权的挑战

3.4.3费用过高的挑战

3.4.4“我们为什么需要数据质量工具”的挑战

3.5本章小结

第4章数据质量方案入门

4.1预算批准后的最初几周

最初几周的关键活动

4.2了解数据质量工作流

早期需要的工作流

4.3为你的团队确定合适的人选

将人力资源匹配到工作流中

4.4本章小结

第2部分理解和监控关键数据

第5章数据发现

5.1数据发现流程概览

5.2理解业务策略、目标和挑战

5.2.1识别利益相关方的方法

5.2.2相关方的沟通内容

5.3战略、目标、流程、分析和数据的层次结构

5.3.1利用战略确定优先次序

5.3.2将挑战与流程、数据和报告关联

5.4数据剖析的基础知识

5.4.1数据剖析工具的经典功能

5.4.2使用能力

5.4.3连接到数据库

5.5本章小结

第6章数据质量规则

6.1数据质量规则介绍规则范围

6.2数据质量规则的主要特征

6.2.1规则权重

6.2.2规则维度

6.2.3规则优先级

6.2.4规则阈值

6.2.5单次规则失败的成本

6.3实施数据质量规则

6.3.1设计规则

6.3.2构建数据质量规则

6.3.3测试数据质量规则

6.4本章小结

第7章根据规则监控数据

7.1数据质量报告介绍

7.1.1不同层级的数据质量报告

7.1.2数据安全考虑

7.2设计高级数据质量仪表板维度和筛选

7.3设计质量规则结果报告质量规则报告的典型特征

7.4设计不合格数据报表

7.4.1不合格数据报表的典型特征

7.4.2复用不合格数据报表

7.4.3多个不合格数据报表

7.4.4导出不合格数据报表

7.5管理沉寂和重复数据

7.5.1管理沉寂数据

7.5.2管理重复数据

7.5.3检测重复数据

7.6向利益相关方展示调查结果

7.6.1成功启动数据质量报告

7.6.2将报表纳入治理中

7.7本章小结

第3部分持续提高数据质量

第8章数据质量补救

8.1整体补救过程

8.2确定补救活动优先级

8.2.1重新审视收益

8.2.2确定优先级的方法

8.3确定补救办法

8.3.1典型的补救方法

8.3.2将问题与正确的方法相匹配

8.4补救工作常态化

8.5了解工作量和成本

补救的成本类型

8.6管理补救活动

关键的管理活动

8.7跟踪收益

8.7.1量化示例

8.7.2追踪量化收益

8.8本章小结

第9章将数据质量纳入组织中

9.1预防问题再次发生

9.1.1预防问题再次发生的

方法

9.1.2人为失误的持续影响

9.1.3短期水平分析报告

9.2持续改进质量管理规则

9.2.1识别规则变更的策略

9.2.2更新数据质量规则

9.3过渡到日常补救活动中

9.3.1成功的必要条件

9.3.2为成功过渡进行规划

9.3.3成功过渡的标志

9.4持续数据质量之旅

9.4.1数据质量方案路线图

9.4.2确定下一个方案

9.4.3获取支持

9.4.4如果后续方案没有获得批准，该怎么办？

9.5本章小结

第10章最佳实践和常见错误

10.1最佳实践

10.1.1选择最佳实践

10.1.2主要从源头管理数据质量

10.1.3落实支持性治理会议

10.1.4将数据质量纳入全组织教育计划

10.1.5改善数据管理员和数据

生产者之间的关系

10.1.6本书的最佳实践

10.2常见错误

10.2.1未能实施最佳实践

10.2.2缺乏实用性

10.2.3技术驱动的数据质量规则

10.2.4一次性补救活动

10.2.5限制对数据质量结果的访问

10.2.6避免数据质量工作中的各自为政

10.3数据质量工作的未来

10.3.1大语言模型

10.3.2各组织更加重视高质量数据

10.4本章小结