ASP站长网数据质量管理是对数据从计划、收集、记录、存储、回收、分析和展示生命周期的每个阶段里可能引发的数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获得进一步提高。数据质量管理的终极目标是通过可靠的数据提升数据在使用中的价值，并最终为企业赢得经济效益。”——以上内容摘自百度百科。
 
笔者观点：“数据质量管理不单纯是一个概念，也不单纯是一项技术、也不单纯是一个系统，更不单纯是一套管理流程，数据质量管理是一个集方法论、技术、业务和管理为一体的解决方案。通过有效的数据质量控制手段，进行数据的管理和控制，消除数据质量问题进而提升企业数据变现的能力。在数据治理过程中，一切业务、技术和管理活动都围绕这个目标和开展”。
 
备注：我觉得最后一句话不太严谨，因为数据质量只是数据治理的一个子集。
 
注：以上总结摘抄自公众号“谈数据”，作者石秀峰
 
0x00 聊聊四个常见的数据管理知识体系
网上数据质量相关的文章真多，而且阅读量都还挺高，很多数据方面的号主也喜欢反复写。由此可见，数据质量对于数据工作者的重要性非常之高。
 
DAMA 知识体系
 
国际数据管理协会(DAMA 国际)是一个全球性的专业组织，成立于 1980 年，一直致力于数据管理和数字化的研究、实践及相关知识体系的建设。主要包含两部分：DAMA 数据管理知识体系和专业考试认证。
 
DAMA 数据管理知识体系(DMBOK框架)，有车轮图(由 11 个数据管理职能领域)和环境因素六边形图(包含 7 个基本环境要素)构成。其中，数据管理职能包括数据治理、数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作、文档和内容管理、参考数据和主数据管理、数据仓库与商务智能、元数据管理、数据质量管理。基本环境要素包括目标与原则、组织与文化、工具、活动、角色和职责、交付成果、技术。