数据质量实践手册：4步构建高质量数据体系

在当今这个数据驱动的时代，数据质量无疑是企业决策与业务发展的基石。然而，如何有效地提升数据质量，构建一个稳健、高效的数据体系，却是许多企业和数据从业者面临的共同挑战。这本书正是为解决这一难题而生。 作者以深厚的行业经验和专业知识，精心提炼出一套实用的4步方法论，帮助读者从源头到终端，全方位地提升数据质量。这4步不仅逻辑清晰，易于理解，而且具有很强的可操作性，读者可以轻松地将其应用于实际工作中，取得立竿见影的效果。 此外，书中还包含了大量来自各行各业的实战案例，这些案例不仅展示了数据质量提升的实际效果，更提供了宝贵的经验和教训，让读者在学习的过程中少走弯路，更快地掌握数据质量管理的精髓。 总的来说，《数据质量实践手册：4步构建高质量数据体系》是一本极具价值的数据治理指南，它既有理论深度，又注重实践操作，无论是对数据新手还是专业人士，都是一本不可多得的佳作。我相信，通过这本书的学习，每一位读者都能在数据质量管理的道路上取得显著的进步，为企业的发展贡献自己的力量。

高质量的数据关乎企业运营、合规、决策和业绩的关键，哈佛商业评论的一项研究发现，企业中只有3%的数据符合质量标准，绝大多数公司都在寻求切实可行的指导来提高数据质量。 本书作者基于多年在数据、数据分析和人工智能方面的实践经验，阐述了4步构建高质量数据体系。他提出了高质量数据的四阶段DARS方法（定义、评估、实现、持续）和10个数据质量最佳实践案例，以此来提高业务中的数据质量水平，为业务提供数据价值，保证生成的数据可以有效支持高级分析和人工智能。 在本书中，您将学习定义和评估数据质量的技术、标准和度量指标，了解如何确保公司的数据收集实践避免常见的陷阱。本书适合数据科学家、数据分析师、商业智能专业人士、首席技术官和数据官，以及对收集和使用高质量数据感兴趣的人士。对于有志成为首席数据官的各位读者，这是一本难得的宝典级书籍！

目录<br />推荐序<br />前言<br />致谢<br />第1篇定 义 阶 段<br />第1章概述<br />1.1引言<br />1.2数据、数据分析、人工智能和<br />业务绩效<br />1.3数据作为业务资产或负债<br />1.4数据治理、数据管理和数据<br />质量<br />1.5领导层对数据质量的承诺<br />1.6关键要点<br />1.7结论<br />参考文献<br />第2章业务数据<br />2.1引言<br />2.2业务中的数据<br />2.3遥测数据<br />2.4数据在业务中的用途<br />2.5业务数据视角<br />2.6业务数据的关键特征<br />2.7关键数据元素<br />2.8关键要点<br />2.9结论<br />参考文献<br />第3章业务中的数据质量<br />3.1引言<br />3.2数据质量维度<br />3.3上下文中的数据质量<br />3.4数据质量不佳所产生的<br />影响<br />3.5数据贬值及其影响因素<br />3.6IT系统中的数据<br />3.7数据质量和可信信息<br />3.8关键要点<br />3.9结论<br />参考文献<br />第2篇评 估 阶 段<br />第4章数据质量差的原因<br />4.1引言<br />4.2数据质量问题根本原因分析<br />工具<br />4.3数据质量不佳的典型原因<br />4.4关键要点<br />4.5结论<br />参考文献<br />第5章数据生命周期和数据血缘<br />5.1引言<br />5.2数据生命周期<br />5.3数据血缘<br />5.4关键要点<br />5.5结论<br />参考文献<br />第6章数据质量分析<br />6.1引言<br />6.2数据剖析的标准<br />6.3测量中心性的数据剖析技术<br />6.4测量变异性的数据剖析技术<br />6.5整合中心性和变异性KPI<br />6.6关键要点<br />6.7结论<br />参考文献//数据质量实践手册：4步构建高质量数据体系目录//<br />第3篇实 现 阶 段<br />第7章数据质量参考架构<br />7.1引言<br />7.2数据质量解决方案<br />7.3DataOps<br />7.4数据产品<br />7.5数据编织和数据网格<br />7.6数据增强<br />7.7关键要点<br />7.8结论<br />参考文献<br />第8章数据质量最佳实践（一）<br />8.1引言<br />8.2最佳实践概述<br />8.3BP 1：确定业务KPI以及这些<br />KPI和相关数据的所有权<br />8.4BP 2：建立和提高组织中的数据<br />文化和素养<br />8.5BP 3：确定当前和期望的数据<br />质量的状态<br />8.6BP 4：遵循极简主义原则的<br />数据采集方法<br />8.7BP 5：选择并定义用于提高质量<br />的数据属性<br />8.8BP 6：使用MDM系统中的数据<br />标准采集和管理关键数据<br />8.9关键要点<br />8.10结论<br />参考文献<br />第9章数据质量最佳实践（二）<br />9.1引言<br />9.2BP 7：合理化和自动化关键<br />数据元素的集成<br />9.3BP 8：定义SoR并在SoR/OLTP<br />系统中安全地采集交易数据<br /><br />9.4BP 9：构建和管理强大的数据<br />集成能力<br />9.5BP 10：分发数据来源与洞察<br />消费<br />9.6关键要点<br />9.7结论<br />参考文献<br />第4篇持 续 阶 段<br />第10章数据治理<br />10.1引言<br />10.2数据治理原则<br />10.3数据治理设计组件<br />10.4实施数据治理计划<br />10.5数据可观察性<br />10.6数据合规性——ISO 27001、<br />SOC1和SOC2<br />10.7关键要点<br />10.8结论<br />参考文献<br />第11章数据保护<br />11.1引言<br />11.2数据分类<br />11.3存储相关的数据安全<br />11.4访问相关的数据安全<br />11.5关键要点<br />11.6结论<br />参考文献<br />第12章数据伦理<br />12.1引言<br />12.2数据伦理的定义<br />12.3数据伦理的重要性<br />12.4数据伦理的原则<br />12.5模型漂移中的数据伦理<br />12.6数据隐私<br />12.7管理数据伦理<br />12.8关键要点<br />12.9结论<br />参考文献