数据质量管理规范(2026年修订版)

数据质量管理规范（2026年修订版）第一章总则第一条为适应信息化发展和大数据时代对数据资源管理的迫切需求，规范组织内部数据质量管理活动，提升数据质量，充分发挥数据在支撑业务决策、优化运营管理、提升客户体验等方面的价值，特制定本规范。第二条本规范适用于组织内所有涉及数据创建、采集、存储、处理、传输、应用和共享的部门、系统及人员。组织应将数据质量管理作为数据治理的重要组成部分，纳入整体信息化战略和业务流程。第三条数据质量管理应遵循以下基本原则：（一）全员参与原则。数据质量管理是组织内各级人员共同的责任，应明确各方职责，形成协同共治格局。（二）过程管控原则。将数据质量管理活动嵌入到数据生命周期管理的各个阶段，实现事前预防、事中监控、事后改进的闭环管理。（三）标准引领原则。建立健全统一的数据质量标准和规范，确保数据的一致性、准确性和完整性。（四）技术支撑原则。充分利用现代信息技术和工具，提升数据质量管理的效率和效果。（五）持续改进原则。定期评估数据质量管理现状，根据内外部环境变化和业务需求，不断优化数据质量管理体系。第四条数据质量管理的根本目标是建立一套系统化、规范化的数据质量管理机制，全面提升组织数据资产的质量水平，确保数据的可靠性、可用性和价值性，为组织战略决策和业务发展提供坚实的数据基础。第二章组织架构与职责第五条组织成立数据治理委员会，负责统筹协调全体的数据管理工作，审议数据治理相关政策和标准，监督数据质量管理体系的运行效果，解决跨部门的数据管理问题。数据治理委员会由高级管理人员和相关业务部门负责人组成，定期召开会议，履行其职责。第六条数据治理委员会下设数据管理办公室（以下简称“数管办”），作为数据治理委员会的执行机构，负责日常数据管理工作，包括组织制定和推广数据治理政策与标准、建立和维护数据资产管理目录、协调数据质量管理活动的开展、监督数据质量目标的达成、管理数据质量工具平台、提供数据质量咨询和培训等。第七条各业务部门是本部门数据的管理责任主体，部门负责人作为本部门数据质量的第一责任人，负责组织本部门数据质量标准的制定与执行、数据质量问题的识别与改进、数据质量目标的达成。业务部门应指定数据所有者（DataOwner）和数据管家（DataSteward）具体负责本部门数据的管理工作。第八条数据所有者由业务部门负责人或其指定的关键人员担任，全面负责本部门关键数据元素的定义、数据质量标准的制定、数据质量问题的最终裁决、数据质量改进效果的验证等工作，对数据的业务价值和质量承担最终责任。第九条数据管家由业务部门指定熟悉业务和数据的专业人员担任，负责具体数据元素的数据质量管理工作，包括但不限于：参与制定数据质量标准、定义数据质量监控规则、执行数据质量监控和评估、跟踪数据质量问题处理进度、参与数据清洗和修复、维护数据质量度量指标、编写数据质量报告、进行数据质量相关培训等。第十条IT部门负责提供数据质量管理所需的技术支持和系统保障，包括数据质量工具平台的开发、部署和维护，数据质量规则的技术实现，数据系统数据的集成与同步，以及为数据质量管理活动提供必要的技术咨询和支持。IT部门应配合业务部门识别和解决数据质量问题，保障数据质量管理体系的有效运行。第十一条数据使用者是数据质量的最终受益者和使用者，应严格遵守数据使用规范，按照授权范围使用数据，并有权向数据管家或数管办反馈数据质量问题。数据使用者应积极配合数据质量管理工作，对自身使用的数据进行初步判断，避免因误用低质量数据造成不良后果。第三章数据质量管理流程第十二条数据质量管理流程包括数据质量规划、数据质量监控、数据质量评估、数据质量改进和数据质量文化建设五个主要阶段，各阶段相互关联，形成闭环管理。第十三条数据质量规划阶段的主要工作包括：（一）需求识别：业务部门根据业务需求和数据应用场景，识别关键数据域和核心数据元素，明确数据质量的关键要求。（二）标准制定：数管办组织业务部门和相关技术专家，制定或修订数据质量标准，包括数据格式、值域、长度、业务规则、数据完整性、准确性、一致性、及时性、有效性、唯一性等方面的要求。数据质量标准应清晰、可衡量、可执行。（三）策略制定：针对不同数据域和业务场景，制定数据质量监控、评估和改进策略，明确监控规则、评估方法、改进措施和责任分工。（四）资源分配：数管办根据数据质量管理工作计划，协调相关部门，明确所需的人力、物力、财力资源，并纳入组织年度预算。第十四条数据质量监控阶段的主要工作包括：（一）规则定义：数据管家根据数据质量标准和业务规则，定义具体的监控规则，包括完整性检查（如字段非空、必要记录存在）、准确性检查（如数据值在合理范围内、格式符合要求）、一致性检查（如关联数据之间逻辑关系正确、不同系统间数据一致性）、及时性检查（如数据更新及时、报表生成准时）、有效性检查（如数据值属于预定义的有效值域）、唯一性检查（如关键字段唯一、避免重复记录）等。（二）工具应用：数管办根据组织实际情况，选择或开发数据质量工具平台，对数据进行自动化或半自动化的质量监控。数据质量工具平台应能够支持规则配置、数据探查、质量评分、问题识别、问题跟踪等功能。（三）实时/定期检查：根据数据的重要性和时效性要求，确定数据质量监控的频率和方式。对于关键业务数据和实时性要求高的数据，应进行实时监控；对于其他数据，可进行定期（如每日、每周、每月）的全面检查或抽样检查。（四）度量与报告：定义数据质量度量指标（KPIs），如各维度数据的合格率、错误率、问题发现率、问题解决率等，并定期生成数据质量报告，向数据治理委员会、业务部门负责人、数据所有者、数据管家等相关干系人汇报数据质量状况。第十五条数据质量评估阶段的主要工作包括：（一）问题识别：通过数据质量监控报告、数据问题反馈渠道、日常数据审查等方式，识别数据质量存在的具体问题，记录问题的详细描述、发生位置、影响范围等信息。（二）根源分析：对识别出的数据质量问题，组织数据管家、IT技术人员、业务专家等进行联合分析，追溯问题产生的原因，可能是数据采集环节的失误、数据传输过程中的错误、数据处理逻辑的缺陷、数据存储系统的故障、业务流程的不规范、人员操作的不当或其他外部因素。（三）影响评估：评估数据质量问题对业务流程、决策支持、合规性检查、客户体验等方面造成的影响和潜在风险，确定问题的优先级，为后续的问题处理提供依据。第十六条数据质量改进阶段的主要工作包括：（一）问题处理：针对识别出的数据质量问题，制定并执行纠正措施和预防措施。纠正措施包括数据清洗（如数据去重、数据填充、数据修正）、数据修复（如通过逻辑推导计算缺失值、修正错误数据）、规则调整（如优化数据质量规则以减少误报或漏报）等。预防措施包括流程优化（如改进数据采集流程、加强数据校验环节）、系统改进（如修复数据系统缺陷、升级数据接口）、人员培训（如提升数据操作人员的技能和意识）、制度完善（如制定或修订数据管理相关制度）等。（二）责任分配：数管办根据问题评估结果，明确各项改进任务的负责人、参与人、完成时限和预期目标，并跟踪任务的执行进度。（三）效果验证：对改进措施的效果进行跟踪和验证，通过再次数据质量监控、抽样检查等方式，确认问题是否得到有效解决，是否对其他数据产生负面影响，并评估改进措施的实际效果。（四）闭环管理：将数据质量问题的处理结果和改进措施反馈到数据质量监控和评估环节，更新数据质量度量指标和监控规则，形成持续改进的闭环管理。第十七条数据质量文化建设阶段的主要工作包括：（一）意识提升：通过组织培训、内部宣传、案例分享、绩效考核等多种方式，提升全体员工的数据质量意识，使大家认识到数据质量的重要性，了解自身在数据质量管理中的责任和义务。（二）激励约束：建立与数据质量表现挂钩的激励和约束机制，将数据质量指标纳入相关部门和人员的绩效考核体系，对数据质量表现优秀的团队和个人给予表彰和奖励，对数据质量问题严重的团队和个人进行问责。（三）知识共享：建立数据质量知识库，收集、整理和分享数据质量管理相关的政策、标准、流程、工具、经验教训等，促进组织内部数据质量管理的知识沉淀和传承，提升整体数据质量管理水平。第四章数据质量标准与度量第十八条数据质量标准是衡量数据质量好坏的依据，组织应建立覆盖数据全生命周期的数据质量标准体系，主要包括以下维度：（一）完整性标准：规定数据元素是否允许为空、必要记录是否存在等。例如，客户信息表中的客户ID、姓名、联系方式等关键字段不允许为空，订单信息表中必须存在对应的客户ID和产品ID。（二）准确性标准：规定数据值的正确性，包括数值范围、格式、逻辑关系等。例如，年龄字段值应在0-150之间，手机号码字段应符合指定的格式，订单金额应大于0且小于等于产品标价乘以数量，客户地址字段应与所在城市字段一致。（三）一致性标准：规定关联数据之间、不同数据系统之间数据的一致性。例如，同一客户在不同订单中的姓名、联系方式应保持一致，主数据系统中的客户信息与交易系统中的客户信息应保持一致。（四）及时性标准：规定数据更新的及时程度，包括数据采集、处理、传输、应用的时效性要求。例如，每日销售数据应在当天结束前更新完成，月度财务报表应在每月初提交。（五）有效性标准：规定数据值是否属于预定义的有效值域。例如，性别字段只能是“男”或“女”，产品状态字段只能是“在售”、“下架”、“缺货”等预定义状态。（六）唯一性标准：规定关键字段或组合键的唯一性，避免重复记录。例如，客户信息表中的客户ID、订单信息表中的订单ID应唯一。第十九条数据元素是构成数据的基本单元，组织应建立数据资产管理目录，对关键数据元素进行明确定义，包括业务含义、数据类型、长度、格式、值域、来源、所有者、管家、数据质量标准、数据质量度量指标等信息。数据元素的定义应清晰、准确、完整，并随着业务需求的变化进行及时更新。第二十条数据质量度量指标是量化数据质量水平的关键指标，组织应建立一套量化的数据质量度量体系，定义用于衡量数据质量水平的各项指标及其计算方法。常见的数据质量度量指标包括：（一）完整性指标：如关键字段非空率、必要记录存在率等。（二）准确性指标：如数据值在合理范围内的比例、格式符合要求的比例、逻辑关系正确的比例等。（三）一致性指标：如关联数据之间一致性比率、不同系统间数据一致性比率等。（四）及时性指标：如数据更新延迟天数、报表生成延迟天数等。（五）有效性指标：如有效值域占比、无效值占比等。（六）唯一性指标：如重复记录率等。（七）数据质量综合评分：综合考虑各维度指标的得分，对整体数据质量进行综合评价。第五章数据质量工具与技术第二十一条组织应根据数据质量管理的实际需求，选择或开发合适的数据质量工具和技术，以提升数据质量管理的效率和效果。常用的数据质量工具和技术包括：（一）数据质量平台：提供数据探查、规则配置、监控执行、问题管理、报告生成等一体化功能的数据质量平台，能够支持多种数据源接入、多种数据质量规则的配置和执行、数据质量问题的自动识别和跟踪、数据质量报告的自动生成和分发等。（二）主数据管理（MDM）系统：专注于核心业务实体（如客户、产品、供应商）数据的标准化、一致化和生命周期管理，通过集中管理、流程控制、规则校验等方式，确保核心数据的唯一性、准确性和完整性。（三）元数据管理工具：管理数据定义、数据模型、数据血缘等信息，为数据质量规则的定义、数据质量问题的追溯提供基础，帮助组织建立统一的数据视图，提升数据管理的透明度和可追溯性。（四）ETL/ELT工具中的数据质量组件：在数据集成过程中嵌入数据质量校验步骤，对数据进行实时的质量检查，如数据类型转换、数据值域校验、数据逻辑校验等，从源头上提升集成数据的quality。（五）数据清洗工具：提供自动化或半自动化的数据清洗功能，如数据去重、数据填充、数据修正、数据标准化等，帮助组织快速清理和修复低质量数据。（六）数据质量监控系统：实时监控关键数据指标，及时发现数据质量问题，并提供告警功能。（七）数据质量分析工具：用于对数据质量问题进行深入分析，识别问题根源，评估问题影响。组织应根据自身情况，选择合适的工具和技术组合，构建数据质量管理体系的技术支撑平台，并定期对工具和技术的使用效果进行评估和优化。第六章监督、审计与持续改进第二十二条数管办负责对数据质量管理活动进行日常监督，跟踪数据质量目标的达成情况，协调解决跨部门的数据质量问题，确保数据质量管理体系的正常运行。第二十三条数据治理委员会定期开展数据质量管理的内部审计，评估数据质量管理体系的符合性、有效性和适宜性，检查数据质量标准的执行情况、数据质量目标的达成情况、数据质量问题的处理情况、数据质量工具平台的使用情况等，发现问题及时提出改进建议，并跟踪改进措施的落实情况。第二十四条组织应建立数据质量管理的变更管理流程，对数据标准、数据质量规则、数据处理流程、数据系统等发生变更时进行评估和管理，确保变更的合理性和对数据质量的影响得到有效控制。变更管理流程应包括变更申请、变更评估、变更审批、变更实施、变更验证等环节。第二十五条组织应将数据质量管理绩效纳入相关部门和人员的考核体系，将数据质量指标的达成情况作为考核的重要依据，通过绩效考核激励各部门和人员积极参与数据质量管理活动，提升数据质量管理水平。第二十六条数据质量管理是一个持续改进的过程，组织应定期评估数据质量管理体系