在数据仓库时代，数据质量是生命线；在大数据时代，数据能够及时准确地处理，仍然至关重要。
企业要想充分发挥大数据所赋予的机遇和优势，前提是必须拥有可靠、准确、及时的高质量数据，只有从高质量的大规模数据中提取隐含的、有用的信息，企业才能做出更加精准、更加符合市场和客户需求的决策；否则，大数据的优势将化为泡影。为此，企业需要更加注重大数据时代下的数据质量。数据质量是大数据产生跨区域、跨行业、跨部门价值的保障。
然而，在大数据时代下，企业要想保证大数据的高质量却并非易事，很小的、容易被忽视的数据质量问题在大数据环境下会被不断放大，甚至引发不可恢复的数据质量灾难。因此，如何保证大数据的数据质量，以及如何有效地挖掘隐藏在大数据中的信息，成为企业日益关心的问题。数据质量如何把控？首先要关注如下数据质量六大基本要素是否满足。
（1）完整性：主要包括实体不缺失、属性不缺失、记录不缺失和字段值不缺失四个方面。
（2）唯一性：指主键唯一和候选键唯一两个方面。
（3）一致性：指统一数据来源、统一存储和统一数据口径。
（4）精确度：指计量误差、度量单位等方面的精确程度。
（5）合法性：主要包括格式、类型、域值和业务规则的有效性。
（6）及时性：指数据刷新、修改和提取等操作的及时性和快速性。
在大数据平台中，由于数据量的巨大以及数据结构的复杂使得上述六大要素很难同时满足，不满足不见得就一定发生了严重的数据质量问题，但是当六大要素的环比情况发生异动时，往往就意味着上游系统的异常。
同时，提及数据质量，我们一般也会谈到元数据。一般认为，元数据泛指描述大数据系统中的概念、关系和规则的数据。简单来说，元数据就是指描述数据的数据，专门为数据管理功能提供相关的信息支撑。
分享到:
閱讀更多 科技公園 的文章
