数据质量管理平台的源头治理工作流程

依据相关的国家标准、行业标准和地方标准，建立科学、客观的数据质量评价体系，充分运用大数据相关技术和机器学习相关理论，实现海量信息的异常探查和智能修复，实时监控数据质量波动，以数据质量通报和考核为抓手，建立数据状态可感知、数据问题可追溯、质量责任可落实的数据质量管理和运营体系。 

 
1.确定范围
以核心数据资源和高频应用资源为基础，根据业务影响和业务需求识别关键数据和核心资源，确定数据质量的管理范围。

 
2.制定规则
依据国家标准、行业标准、地方标准以及项目建设规范，建立数据质量的评价标准，涵盖规范性、完整性、准确性、一致性和时效性五个维度，以及覆盖空值检查、数据缺失检查、交叉比对检查、数据量检查、唯一性检查、值域检查、逻辑检查、格式规范性检查、引用完整性检查、一致性检查、时效性检查以及关联关系检查等多种类型的数据质量规则。

 
3.共识规则
数据质量规则的制定涉及相关数据标准和业务规则，需要各数据提供部门对已制定的质量规则进行确认和反馈，保障质量规则的完整性和合理性，同时也与相关部门在数据质量管理工作上达成共识，为后续工作奠定基础。

 
4.评测质量
借助数据质量管理平台的“旁路监测”模式，在不影响现有数据共享流程的基础上，围绕已确认的数据范围和质量规则，进行数据质量评测，深度发掘数据质量问题。

 
5.管理问题
借助数据质量管理平台的问题工单派发功能，根据“谁提供，谁负责”的原则，将问题数据派发至数据提供部门，做到“一数一源”。

 
6.发布报告
基于数据质量评测结果，发布数据质量专题分析报告，报告包括质量概览及趋势分析、五个维度的质量分析、各类评测规则的质量分析、重点问题分析以及相关评测标准和依据等内容。

 
7.推进修复
问题数据派发至各责任部门之后，需要数据共享开放平台推进问题数据修复，协调各个部门修复问题数据，为各相关部门提供平台使用的支持和指导，保证各责任部门及时修复问题数据和已修复数据的重新入库工作。

 
8.定期评测
定期对周期内已修复的问题数据进行复评，保障数据质量工作的成效。同时，也对周期内新增的数据进行新一轮的评测。以此为基础，定期汇报数据质量管理工作的进展。