3.2 自查数据质量
数据质量指的是一条数据显性的质量表现，分析起来似乎比较容易，但是我们不仅要考虑数据自身的质量问题，也要考虑不同系统（数据所处环境）间由于各种原因造成的质量问题，毕竟数据的存在不是独立性的。因此，分析数据的质量问题，需要结合现有的业务管理系统，从数据的一致性、完整性、合规性、冗余、及时性和有效性6个方面进行全面的分析。
1．数据质量自查标准及方法
数据质量自查标准，如表3-2所示。
表3-2 企业数据质量自查标准
从数据自身的角度自查数据质量的方法，如表3-3所示。
表3-3 自查数据质量的方法（数据角度）
从业务管理和数据应用分析的角度判断数据质量的方法如表3-4所示。
表3-4 自查数据质量的方法（业务角度）
2．数据质量自查实例
从企业实际数据管理的角度，我们看一下现实中存在的各种数据质量的问题，可供企业做数据质量自查时参考。
1．数据规范、标准方面的数据质量问题
案例一：国内某大型装备制造企业集团，并没有形成统一的数据模型规范。其主要问题如下。
1）数据大类问题，如表3-5所示。
表3-5 数据大类问题
上表中可以看出，该企业的数据大类界定维度不一，如外购件和标准件两类，外购件的范围太广，没有限定具体范围，只要是外购的都适用。
2）数据中类问题。
中类包含的范围太广，模板无法统一，如表3-6所示。
表3-6 数据中类问题
从上表中可以看出，“化工用品”的范围太大，包含了“涂料”“粘接材料”等品类，经常出现很多本是“粘接材料”的物资误放到“化工用品”中的现象，直接造成一物多码等的数据冗余问题。
还有一种情况就是中类分的过细，导致中类包含数量较多，后期出现新的数据时，可能需要增加新的类别对应，导致未来中类数量越来越多，最终出现中类编码位数不够的现象，如表3-7所示。
表3-7 数据中类问题
3）数据小类问题。小类界定模糊不清，如表3-8、3-9所示。
表3-8 数据小类问题（1）
表3-9 数据小类问题（2）
表3-8中的“电线、电缆”小类和“排线”“自控电伴热线”小类有包含和被包含的关系存在，数据新增时很容易出现错放类别的情况。表3-9中的“门控器”和“安全门门控器”也是同样的问题。
4）编码属性问题。
传统型的规格型号整体式管理，无法实现严格的数据验证，且很容易造成人为的录入错误，尤其是中间连接符号如“*”“x”和“×”经常混用，如表3-10所示。
表3-10 编码属性问题（1）
编码数据模型不统一、不完整（同一小类），如表3-11所示。
表3-11 编码属性问题（2）
以上这些编码中很明显的可以看出，同一个小类中编码数据模型格式严重不统一，同样都是胶带，有的是颜色属性，有的是宽度属性，有的是长度，有的是品牌型号，这样后期新增数据时如此操作很难实现数据的精确查重，数据冗余在所难免。
5）计量单位的大小写不同（同一小类），如表3-12所示。计量单位出现了大小写，书写格式不规范，对于此类录入错误缺乏数据验证。
表3-12 编码属性问题（3）
案例二：国内某大型箱包生产企业集团案例，其编码数据模型不统一、不标准。其主要问题如下。
1）编码数据模型不统一、不标准，如表3-13所示。
表3-13 编码数据模型不统一
通过以上数据可以看出，不同编码的规格型号的描述方式相差较大，有纯汉字说明和借用编码流水号两种，二者的共存很容易导致一物多码或一码多物的问题发生，因为不一样的描述方法，业务系统无法验证新增数据时的重复所在。
还有一个问题就是物资描述不标准、不清晰，规格型号用编码来代替，此种情况适合比较熟悉实际业务。且非常了解相关物资的人，看到编码就可以直接对应到相关物资。但是企业生产过程中难免有岗位调离、离职、请假等现象的发生，新员工来到此岗位需要很长一段时间来熟悉物资的这种描述方式，很容易导致错误采购、错误生产、错误盘点等现象的发生，直接对业务产生负面影响。同样的问题（如表3-14所示的数据）也很严重。
表3-14 物资描述问题（1）
2）编码长度不一，且编码规则不一，如表3-15所示。
表3-15 物资描述问题（2）
从表3-15中可以清晰地看出左边编码列的长短不一，并且编码借用了规格型号，如最后两行的数据很可能造成“一物多码”问题的发生。
再有就是两个编码很明显属于同一类别，但是编码规则中有阿拉伯数字“9”和英文字母“A”共存的现象，这种现象很容易造成一些误解和“一物多码”问题。
3）规格型号书写格式不规范，如表3-16所示。
表3-16 物资描述问题（3）
在表3-16中，规格型号的描述中“织唛”前有的有空格，有的没有空格，这种现象的出现直接导致现有业务系统无法实现有效查重，出现重码现象在所难免。
2．主数据冗余方面的数据质量问题
案例一：国内某大型装备制造企业集团的数据冗余情况分析
企业的数据规范和标准长期由人工执行，以及数据新增时的人为查重、人为监管等，导致了主数据层面“一物多码”的大量存在，产生了大量的主数据冗余。
1）书写格式不规范，出现了大小写（同一小类）不统一的情况，如表3-17所示。
表3-17 书写格式不规范
表3-17的编码中，编码属性模板还是比较标准的，但是在实际录入过程中出现了大小写不一致的问题，如最后三条编码规格中用的是小写，往上三行是大写，再往上又有小写出现，这很明显地说明了缺乏严格的数据验证制度，所以编码重复在所难免。
2）数据模型不统一，如表3-18中所示的这组数据所示。
表3-18 数据模型不统一
在表3-18中，第一行和最后一行编码数据模型不同，规格型号的书写格式也不一样，但明显指的是同一件物料，有一物多码的嫌疑。其他行的编码数据模型还是比较标准、统一的。
3）很明显的数据冗余（同一小类内一物多码），如表3-19所示。
表3-19 明显的数据冗余（一物多码）
在表3-19中的数据中明显存在重复（冗余）数据，也就是我们经常提到的。
案例二：国内某大型箱包生产企业集团，其存在质量问题的数据如表3-20所示。
表3-20 一物多码
表3-20中数据，出现规格型号完全相同但编码不同的现象，是一物多码。此种现象会直接导致业务系统使用过程中不同的人使用不同的编码，最终结果是报表中这一物资的业务数据无法统计到一条编码下，导致报表数据不准确。