數據質量管理體系構建現狀分析

王晨誠 高 翔 朱建平 應 鈞 戴 昇

一、研究背景

2020年5月，數據作為新型生產要素，被正式寫入《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》。在這一時代背景下，數據已和其他生產要素一起，成為數字經濟時代的基礎性資源、戰略性資源和重要生產力。黨中央和國務院陸續制定并出臺數據管理相關要求，明確提升數據管理水平和數據質量、加強數據治理和全生命周期質量管理等要求。數據質量管理是數據治理框架中的重要部分[1-5]。2021年9月，習總書記在中國質量(杭州)大會賀信中強調質量變革創新，加強全面質量管理，推動高質量發展。在現今數字經濟與實體經濟深度融合的新趨勢下，各行業面臨的挑戰不僅是健全產品的質量管理體系，更是建立對數據的質量管理體系?！渡虾Ｊ腥嫱七M城市數字化轉型“十四五”規劃》《上海市質量提升三年行動計劃（2021-2023年）》等提出建設國際數字之都的總體目標，以及加快推進傳統制造業數字化轉型、加速企業質量管理轉型升級等要求。

綜上，以數據為驅動推動數字化賦能實體經濟[6]，構建數據質量管理體系是基礎。本研究立足上海市，結合先進制造業、服務業等企業的典型經驗做法，以質量管理視角，結合典型質量管理理論與數據治理理論審視分析當前數據質量管理體系的構建要素及面臨的挑戰，為后續開創性地探索構建一套基礎型數據質量管理體系框架及基本實施路徑打下基礎，同時為未來在企業的試點應用提供一套理論方法，旨在為實體經濟與數字經濟更好融合、更快適應數字化轉型，跨前一步進行理論探索。

二、當前數據質量管理體系構建研究現狀

當前，國內外普遍重視對數據的質量管理。結合不同領域的特點，出現了眾多不同角度或范疇的研究探索與實踐應用（表1）。

一是重視數據質量管理的頂層設計與總體要求1《國家健康醫療大數據標準、安全和服務管理辦法》《市場主體登記數據質量建設實施方案》《中國科學院科學數據管理與開放共享辦法》《國家統計質量保證框架》（2021版）。。在健康醫療、市場監管、科學領域、統計領域等制定并出臺了數據相關管理辦法或總體要求，聚焦于大數據采集程序、技術標準、評價標準、質量監測、糾錯機制、全生命周期安全管理等方面，提出不同角度的原則與要求。

二是不同領域的數據質量評價維度既有共性亦有特性。在GB/T 36344-2018《信息技術 數據質量評價指標》與GB/T 36073-2018《數據管理能力成熟度評估模型》等國家推薦標準的數據質量“六個性”評價維度基礎上，不少學者結合領域需求和特點，對數據質量評價體系的構建進行了理論層面的研究探討[1，7-8]，拓展并豐富了六個性的內涵[4，9-11]。

三是數據的質量管理環節與數據全生命周期密切相關。在數據生命周期被概括為九個環節的基礎上2數據從設計、開發、創建、遷移、應用、存檔、回收的周期、再次激活以及退出的整個過程。，根據不同數據類型結合相應的業務需求，對數據全生命周期管理重新劃分，除數據本身全生命周期以外，還應關注環境因素、制度因素、業務需求等。

四是數據質量管理路徑注重全面性、多角度[4，8-12]，包括組織機構、制度體系、資源支持、管理工具、評估分析與改進、產品交易[13]等方面，同時亦有采取全生命周期[14]、PDCA[15-16]等方法或工具來構建的數據質量管控模式。

五是國外組織或機構重視并制定了翔實、通用的數據質量評估框架，包括國際貨幣基金組織（IMF）、聯合國統計委員會（UNSC）3《聯合國官方統計國家質量保證框架手冊》于2017年修訂形成共提出五項核心建議和九項補充建議。、經濟合作與發展組織（OECD）4《統計活動質量框架和導則》于2003年發布關于統計領域的質量框架及基本原則。等。其中，IMF于2003年修訂的《數據質量評估框架》強調了質量評估維度（包括準確性、及時性、相關性等），并認為管理環節應結合業務流程綜合考慮，把環境/制度因素排在首位，然后是過程質量管控、結果評價標準等。此外，歐盟統計局5《歐洲統計系統質量手冊和元數據報告（2021年度）》。、加拿大統計局也同樣制定了數據質量保障框架6國家統計局解讀《國家統計質量保證框架（2021）》。http://www.gov.cn/zhengce/2021-06/18/content_5618987.htm。訪問日期：2022年6月23日；發布日期：2021年6月18日。。

總體來看，國內外都已意識到數據質量管理的重要性，但除了國外相關組織制定了通用型管理體系之外，國內研究大多聚焦于特定領域或業務特點開展的數據質量管理模式，更偏向于對數據標準規范、評價分析及質量監測方面的管控要求和規范流程。從領導層面或組織架構等管理層面的研究和實證分析及應用，仍顯單薄。

三、構建數據質量管理體系的關鍵要素分析及面臨的挑戰

基于GB/T 36073-2018《數據管理能力成熟度評估模型》的八個重要方面和GB/T 19580-2012《卓越績效評價準則》的七大評價要求（見圖1），結合上海市典型企業的經驗做法及難點，歸納總結并分析當前數據質量管理體系構建的6大關鍵要素及面臨的挑戰。

（一）領導核心與組織架構

一是具備基本的數據質量管理組織架構。企業基本能夠充分發揮領導核心作用，尤其大型企業成立有數字化轉型領導小組，數據相關的具體工作則主要由科技與信息管理相關部門負責。二是設置有數據質量管理職能。大部分企業由信息化條線承擔數據管理職能，數據質量的管理和推進工作則由信息化條線和業務部門共同開展。部分企業已成立首席數據官，專職負責推進數據管理工作。

（二）戰略規劃與頂層設計

一是從總體上看，企業的數據意識尚欠缺，以業務驅動為主。大部分企業在數字化轉型過程中，數字化思維尚未完全形成，仍然以完成業務工作為目標，而非以數據為主要驅動力，業務和數據“兩張皮”的現象仍較普遍，導致數據處理工作在業務流程中屬于附加工作，地位不高，因而出現質量問題的情況較多。二是具備企業整體的戰略規劃，但缺少針對數據質量管理的頂層設計。多數企業依托國家或地方層面的宏觀規劃要求開展數據質量管理工作，尚未制定符合行業或企業業務特點和需求的數據質量管理要求和體系框架，國家層面也缺乏相應的標準規范予以指導，從而在當前企業數字化轉型過程中對數據這一新型生產要素的規范化生產應用產生不利影響。

（三）數據生命周期管理與安全

一是企業基本能夠結合自身產品或服務特點，在數據生命周期環節基礎上拓展外延，形成符合自身需求的數據生存周期管理。比如某科技型企業，在數據治理過程中基于數據全生命周期，構建“入”“存”“用”“出”四個管理環節。其中，“入”是指做好數據規劃和計劃，包括數據的需求、產生、資產管理、標準等；“存”是指面對不同數據結構和形式在考慮成本因素基礎上選取合適的存儲形式和計算引擎，對數據進行備份管理；“用”是指對數據進行資產性的加工使用，包括協同共享、價值核算、收益分析等；“出”是指將進入最后生命周期的數據保存到低性能的存儲介質或歸檔銷毀。又如，某服務型企業基于數據全生命周期，圍繞生活垃圾轉運處置業務，將數據處理流程劃分為采集與清洗、存儲、整合、呈現與使用、分析與應用、歸檔等多個環節。其中，采集階段主要通過AI技術識別運輸垃圾集裝箱箱號、對接各類設備工控設備數據，實現生活垃圾量、跡、質的數據采集，做到生活垃圾“快遞式”精準管理。另外，已有少部分企業根據自身情況，結合全面質量管理、卓越績效管理方法，構建數據方面的卓越績效評價指標。二是數據安全成為貫穿數據全生命周期管理的關鍵基礎。企業普遍關注且重視數據安全管理，尤其國家戰略性產業如航天航空等。比如在智能網聯汽車領域，國家及個人數據的安全問題是企業運營的關鍵核心問題，但個別企業僅制定了解決方案，數據安全管理機制尚未成體系。

（四）質量檢查與數據標準

一是企業普遍重視對事前、事中、事后數據質量檢查和管理。比如，某科技型企業將數據質量管理過程分為三個階段：第一階段是事前預防，主要關注實施前的策劃，包括架構設計、業務藍圖的制定等，以及在信息化建設前期明確并統一數據標準的定義和使用規則等；第二階段是事中監測，采用評估手段每半年開展一次數據抽檢，主要檢查數據是否按照業務流程等要求進行記錄和管理；第三階段是事后改進，通過定期盤查發現數據質量問題，提出整改要求，并在各系統中進行調整。又如，某服務型企業將數據質量管理流程分為三個階段：第一階段開展事前錯誤補償糾偏，針對集裝箱箱號識別錯誤問題，利用多點識別開展前后補償；第二階段開展事中重點問題的攻關改進；第三階段開展事后的更正調整。二是企業迫切需要制定數據標準。部分傳統企業內部的縱向系統已經建好，但在當前的數字化轉型過程中各系統之間卻難以連接，且在集成整合中存在數據難以使用、滯后、不準確等情況，在數據的產生、運用、對接等方面沒有完整的定義和規范，導致數據難以反映真實業務、數據鏈無法橫向打通、數據無法發揮賦能作用。

（五）數據應用與持續改進

在業務驅動下，跨部門的數據流動服務于不同業務活動，而對外形成的數據服務、數據交易產品較少。不少企業的數據應用更多是在企業內部，如財務管理、人員管理等。不少企業表示，數據質量是關鍵問題，因此在數據質量管理中通常會設置反饋機制，目的是為了及時對發現的數據質量問題進行改進。

（六）資源協同與制度保障

一是不少企業已經重視數據質量管理，但是普遍存在業務與數據之間的“隔閡”。缺乏業務與數據復合型人才，是影響企業數字化轉型的重要因素之一。但是目前企業對數據質量管理人員的培訓尚處于起步階段，資源支持尚未充足。二是普遍缺乏可落地的管理制度保障。不少文獻指出，數據質量問題不僅僅是數據本身技術標準等缺失所導致，而更多源于缺乏對數據的管理，缺少相關的管理制度來保障，比如部門協調運作機制、統一的業務流程制度和規范、人員專業培訓機制等[4，17]。

四、對構建數據質量管理體系的建議

（一）明確數據作為生產要素的特點

數據是流動和變化的；數據作為一種具有獨特屬性的資產，相比其他實物資產和金融，不會被消耗，而是不斷地產生并擴增；應用數據所需要的專業技能和知識要求更高?；谏鲜稣J識，數據質量管理應本著動態發展觀點，從組織管理的全方位視角出發，通過跨職能部門和人員協作等原則進行。

（二）明確數據質量管理體系構建的總體原則

一是強調數據質量管理的領導力，以及整體的數據協同架構。突顯組織架構中數據的前瞻性戰略規劃和主要負責部門，以及跨部門數據管理的職責分工和合作。二是強調構建數據質量系統性管理體系。運用系統思維，從廣義上考慮影響數據質量的多方面因素，注重事前策劃、事中檢查和事后改進，全方位、多角度完善數據質量管理體系。三是采用組織動態發展評價等級。不以數據質量評價維度的“六個性”為標準，而是涵蓋數據服務在不同領域的特性，突顯通用領域的數據從產生到消亡整個生命周期所應達到的質量要求。借鑒GB/T 36073-2018《數據管理能力成熟度評估模型》（以下簡稱DCMM）的初始級、受管理級、穩健級、量化管理級和優化級等五個發展等級，重點聚焦數據質量管理構建總體評價標準。四是注重培養數據思維。倡導企業全員參與，開展數據思維能力培訓，鼓勵引入專業數字化轉型服務，重點形成數據思維和數字化管理體系。

（三）建立數據質量管理體系框架的架構思路

結合GB/T 19580-2012《卓越績效評價準則》的七個評價方面和DCMM的八個重要方面，基于在領導核心與組織架構等6大關鍵要素分析，提出整體框架的三個層面：第一個層面是領導作用，包含領導核心、組織架構與戰略規劃，呈穩固的三角結構，具有驅動性；第二個層面是“4+1”管理體系，包含數據生命周期管理、質量檢查與改進、數據標準、數據應用以及持續改進，具有從動性，是體系的實際實施主體部分；第三個層面是資源保障和數據安全，具有推動性，作為基礎保障推動戰略規劃的有效落地。

五、結論

本研究結合國內外不同領域數據質量管理體系的理論和實踐探索，在對上海市先進制造業和服務業典型經驗做法和普遍難點進行分析的基礎上，從領導作用、數據全生命周期管理、數據標準和質量檢查、數據應用、持續改進等方面進行思考，構建數據質量管理體系的總體原則和架構思路。本研究的調研對象集中在制造業、服務業和科研單位，雖具有一定代表性但仍有其局限性，后續將進一步拓展豐富框架內容，并與實際情況相銜接，在試點應用中著力構建能用于企業評價的、更為科學客觀的數據質量管理體系成熟度評價指標體系。