数据是企业数据中心的重要资产，获取并维护高质量数据，对高效的IT和业务运营至关重要。面对复杂度不断增加的业务数据，如何全面保证数据质量？借助完备的Informatica数据质量平台，无论何时何地，您都可以在整个企业内访问，甄别、清洗、集成、交付可信的数据，并在第一时间找出并修正藏匿于任意位置、令您的公司动辄花费上百万的数据质量问题。

　　Informatica的数据管理目标

　　您心目中企业数据的价值几何？调查显示，信息的价值平均为企业价值的37%，可以说，信息已经成为企业最重要的资产之一，越来越多的企业更加重视数据中心的建设。但有许多因素会导致这些“资产”贬值，比如数据的冗余和重复导致信息的不可识别、不可信，信息时效性不强，精确度不够；结构或非结构数据使整合有困难；管理层面的人员变动引发的影响；数据标准不能统一，相关规范不完善造成对数据理解的不充分等等。

　　Informatica既可以在数据架构层面提供信息传递、B2B数据交换、企业数据集成等一系列的基础架构解决方案，同时也可为行业提供数据质量管理、主数据管理和复杂事件处理等方案，来支撑数据中心实现可信、交互、权威的信息资产管理，达成企业的业务目标，这也是信息中心建设的一个重点。

　　数据质量管理的整体框架

　　数据质量管理在数据中心建设中是一个完整的生态链。数据质量会受到供应商、生产员工、工艺流程以及内部客户和外部一些系统的影响，同时，从应用和软件角度方面讲，数据提供者、软件开发集成、质量管控手段等也都会影响到企业数据质量的整体状况。

　　从数据质量整体框架和方法论上讲，首先我们要确定目标，然后要清楚用什么人，通过怎样的流程，采用什么样的技术支撑来达成目标，人、流程、技术三方面缺一不可。而设定最终目标前最重要的一件事是要了解现状，找出企业最关注哪些数据质量，通过记分卡对现有数据进行评估，同时还要进行实时的监控，从流程、时间角度发现数据的变化，了解现状后确定的目标才是可信、可完成的，而不是天方夜谭式的水中月、雾中花。

　　数据质量理论上不是完全可控的，要实现数据质量提升，必须要做到指标的可量化，通过量化指标实现质量可控。从技术层面讲，要从以下六个角度去考量数据质量，也称为数据质量的矩阵，包括：完备性（信息是否填写全面）、符合性（数据是否按照标准格式进行填写）、一致性（是指内部冲突，同一系统中两个字段间相关推导和约束关系）、准确性（包括数据是否真实有效和数据是否及时更新）、唯一性（多条信息是否相同和一致）以及完整性（从约束性和参考性方面考虑，数据相互间的参照关系）。当然，企业是要根据自己的业务需求来确定考量数据质量的指标或体系，并不一定必须局限在这六个方面。

　　构建数据质量处理流程

　　一个完整的数据质量管理，是人、流程和技术的完美配合，才能达到我们数据质量管理的目标。那数据质量处理的流程是怎样的呢？对于数据质量的处理，我们把它分成两大部分，一是面向数据质量的分析过程，二是针对分析结果进行增强的过程。先要识别和量化数据质量，然后定义数据质量和目标，接下来就要交给相关部门设计质量提升的流程，其后就是实现质量提升的流程，把原有低质量数据变成高质量数据，并交付给业务人员使用。同时，在整个环境中，还需要有相关的一些监控和对比来评估是否达成了目标，决定是否需要进行新一轮的数据质量提升。这是一个周而复始、螺旋上升的过程，并不是一蹴而就，一次就可以解决全部问题。