数据质量框架：从理论到落地

聊数据质量，不能光靠感觉。你得有个框架，不然就是东一榔头西一棒子。

我个人习惯，先看三个最主流的：DAMA数据质量框架、TDQM方法论、数据质量成熟度模型。它们各有侧重，但组合起来，基本能覆盖你工作中90%的场景。

4.1 DAMA数据质量框架：管什么

DAMA（数据管理协会）搞了个框架，说白了就是把数据质量拆成六个维度。你想想看，评价一个数据好不好，是不是得从这几个角度下手？

4.2 TDQM方法论：怎么管

TDQM（全面数据质量管理）是MIT的Richard Wang教授搞的。它把数据质量当成一个产品来管理。嗯，这里要注意，不是搞一次就完事，而是持续改进。

TDQM的核心循环就四步：

1. 定义 – 搞清楚哪些数据重要，质量目标是什么
2. 测量 – 用指标量化当前质量水平
3. 分析 – 找到根因，是源系统问题还是ETL问题
4. 改进 – 制定规则、修数据、加校验

我在项目中遇到过，很多团队卡在“测量”这一步。为什么？因为没有基线。你不知道现在质量是60分还是80分，就没法判断改进有没有效果。

4.3 数据质量成熟度模型：你在哪

这个模型帮你评估组织的数据质量管理水平。我见过太多公司，觉得自己做得挺好，一评估才发现还在“初始级”晃悠。

你想想看，你们团队现在在哪个级别？我见过大部分公司都在L2到L3之间。能到L4的，基本是头部互联网或金融机构了。

4.4 三个框架怎么组合用

别把它们割裂开。我自己的做法是这样的：

• 用DAMA维度定义你要检查什么（比如完整性、准确性）
• 用TDQM循环驱动改进流程（定义→测量→分析→改进）
• 用成熟度模型评估现状，设定阶段性目标

举个例子。你发现订单数据准确性有问题（DAMA维度）。你先测量当前准确率是多少（TDQM测量），发现只有92%。分析根因是前端校验不严（TDQM分析），然后加了下拉选择框和必填校验（TDQM改进）。同时，你评估团队目前是L2，目标是半年内到L3。

4.5 一张图看懂本章

下面这张图，把三个框架的关系画清楚了。我每次给团队培训都拿这张图讲，效果不错。