第1章 低劣数据质量的业务影响 1
1.1 信息价值与数据质量改进 2
1.2 业务期望指数与数据质量 3
1.3 减轻影响 4
1.4 若干实例 5
1.5 影响分类的进一步讨论 8
1.6 业务影响分析 10
1.7 其他影响类别 11
1.8 影响分类系统和迭代改进 12
1.9 小结:将影响转化为绩效 12
第2章 组织的数据质量计划 13
2.1 数据质量的良性循环 13
2.2 数据质量流程 15
2.3 利益相关者和参与者 20
2.4 数据质量工具 22
2.5 小结 25
第3章 数据质量成熟度 26
3.1 数据质量战略 26
3.2 数据质量框架 28
3.3 数据质量能力/成熟度模型 31
3.4 框架组件与成熟度模型的映射 33
3.5 小结 38
第4章 企业行动整合 39
4.1 规划行动 39
4.2 框架行动 44
4.3 操作和应用行动 45
4.4 范围问题 47
4.5 小结 48
第5章 建立业务案例和数据质量路线图 49
5.1 数据质量投资回报 50
5.2 建立业务案例 50
5.3 发现业务影响 51
5.4 研究成本 53
5.5 关联影响与原因 53
5.6 影响矩阵 54
5.7 问题、问题要点和原因 55
5.8 关联影响与数据缺陷 55
5.9 估算价值差距 56
5.10 划分优先级行动 58
5.11 数据质量路线图 59
5.12 建立路线图的实际步骤 61
5.13 责任、职责和管理 61
5.14 数据质量计划的生命周期 65
5.15 小结 66
第6章 度量指标和绩效改进 67
6.1 面向绩效的数据质量 67
6.2 建立数据质量度量指标 68
6.3 测量和关键数据质量绩效指标 71
6.4 统计过程控制 73
6.5 控制图 74
6.6 多种控制图 77
6.7 控制图说明 80
6.8 查找特殊原因 82
6.9 维护控制 82
6.10 小结 83
第7章 数据治理 84
7.1 企业数据质量论坛 85
7.2 数据质量章程 85
7.3 任务和指导原则 86
7.4 角色和职责 87
7.5 运营结构调整优化 90
7.6 数据统管 91
7.7 数据质量验证和认证 92
7.8 问题和解决方案 93
7.9 数据治理和联合社团 93
7.10 小结 94
第8章 数据质量维度 95
8.1 什么是数据质量维度 96
8.2 维度类别 96
8.3 数据质量维度描述 98
8.4 内在维度 99
8.5 上下文维度 102
8.6 定性维度 105
8.7 找出自己的维度 106
8.8 小结 107
第9章 数据需求分析 108
9.1 信息的企业用途和业务证析 109
9.2 业务驱动和数据依赖关系 111
9.3 什么是数据需求分析 112
9.4 数据需求分析流程 113
9.5 定义数据质量规则 117
9.6 小结 121
第10章 元数据与数据标准 122
10.1 挑战 123
10.2 数据标准 124
10.3 元数据管理 125
10.4 业务定义 126
10.5 参考元数据 128
10.6 数据元 131
10.7 业务元数据 134
10.8 数据协调流程 135
10.9 小结 137
第11章 数据质量评价 139
11.1 规划 140
11.2 业务流程评估 141
11.3 准备和数据分析 143
11.4 数据剖析和分析 145
11.5 分析结果的综合 147
11.6 企业客户审查 149
11.7 快速数据评价小结——明确的结果 150
第12章 修复和改进计划 151
12.1 按性质分类 152
12.2 信息流图 155
12.3 根本原因分析 157
12.4 修复 158
12.5 执行 159
12.6 小结 159
第13章 数据质量服务水平协议 160
13.1 业务驱动和成功准则 161
13.2 识别数据质量规则 163
13.3 建立数据质量控制 166
13.4 数据质量服务水平协议 166
13.5 检查和监测 168
13.6 数据质量度量指标和数据质量记分卡 169
13.7 数据质量事件报告和跟踪 170
13.8 自动化指标汇集 171
13.9 记分卡报告 172
13.10 采取修复行动 175
13.11 小结——管理使用数据质量记分卡 175
第14章 数据剖析 176
14.1 数据剖析的应用环境 177
14.2 数据剖析:算法技术 179
14.3 数据逆向工程 181
14.4 异常分析 182
14.5 数据质量规则发现 184
14.6 元数据合规性和数据模型完整性 186
14.7 协调参与者 187
14.8 选择分析数据集 188
14.9 小结 190
第15章 解析和标准化 191
15.1 数据错误范例 192
15.2 元数据的作用 193
15.3 标记:含义的单位 194
15.4 解析 196
15.5 标准化 198
15.6 定义规则和转换建议 199
15.7 主动与被动的矛盾 202
15.8 将数据转换整合进应用框架 203
15.9 小结 203
第16章 实体身份分辨 205
16.1 数据纠正的诱因 206
16.2 唯一身份的双重挑战 206
16.3 什么是实体 207
16.4 识别属性 208
16.5 相似度分析和匹配流程 209
16.6 匹配算法 210
16.7 虚报、漏报和阈值设定 212
16.8 保留 213
16.9 链接和保留监测 215
16.10 实体搜索与匹配和计算复杂度 215
16.11 身份分辨的应用 216
16.12 业务需求评估 217
16.13 小结 217
第17章 检查、监测、审核和跟踪 219
17.1 再谈数据质量服务水平协议 220
17.2 实行检查和监测:技术与流程 220
17.3 数据质量业务规则 223
17.4 自动检查和监测 225
17.5 事故报告、通知和问题管理 226
17.6 小结 228
第18章 数据增强 229
18.1 增强的价值 230
18.2 数据增强方法 230
18.3 数据增强的实例 231
18.4 通过标准化增强 233
18.5 通过上下文增强 234
18.6 通过数据合并增强 235
18.7 小结:符合规定的增强数据源 237
第19章 主数据管理和数据质量 238
19.1 什么是主数据 239
19.2 什么是主数据管理 240
19.3 “黄金记录”或“统一视图” 241
19.4 作为工具的主数据管理 241
19.5 主数据管理:一种高层组件方法 243
19.6 主数据使用场景 245
19.7 主数据管理架构 247
19.8 识别主数据 250
19.9 主数据服务 251
19.10 小结:走近主数据管理和数据质量 256
第20章 全书总结 257
20.1 组织和管理 257
20.2 建立信息质量计划 263
20.3 技术和工具 272
20.4 小结 279
索引 280