下载掌阅APP，畅读海量书库
立即打开
数据质量作为一个概念并不新奇——“数据质量”自从人类开始收集数据以来就已经存在了！
然而，在过去的几十年里，数据质量的定义已经开始具体化为度量数据可靠性、完整性和准确性的功能，因为它与报告时的状态相关。正如人们所说，你无法管理未经度量的内容，而高数据质量是所有强大分析程序的第一步。数据质量也是一种了解数据是否符合业务需求的有效方法。
在本书中，我们将数据质量定义为数据在其生命周期中任何阶段的健康状况。数据质量可能在数据管道的任何阶段受到影响，无论是接收数据前、生产过程中，还是在分析过程中。
在我们看来，数据质量常常是一个糟糕的代表，数据团队知道他们需要优先考虑它，但它并没有像“机器学习”“数据科学”甚至“分析”那样一蹴而就，许多团队没有足够的带宽或资源来找人全职管理它。相反，资源紧张的公司依靠数据分析师和工程师自己来管理数据，从而将他们从更有趣或更具创新性的项目中抽离出来。
但是，如果你不能信任数据及其所支持的数据产品，那么数据用户要如何相信你的团队能够提供价值呢？“没数据总比坏数据好”这句话是该领域专业人士经常抛出的一句话，虽然它确实有道理，但这往往不是现实。
鉴于大多数公司的增长速度和数据消耗，数据质量问题（或数据宕机）实际上已不可避免。但通过了解我们如何定义数据质量，你可以更容易地评估它并防止它在下游引起问题。