数据是每位开发者每天都能接触到的事情，每张数据表里的数据，缓存数据等均是大数据开发的基本单位。没有最小的数据作为单元细胞就谈不上大数据。同样，数据质量的好坏会直接影响大数据的结果。
工具/原料
各基本概念常识
概念
数据质量的研究价值
1
数据质量是数据分析结论有效性和准确性的基础，也是最重要的前提和保障。数据质量低的数据会直接影响到最终结果。所以作为每条数据均尽可能保证准确和有效。
2
数据质量是数据分析应用的基础，为了获得可好的数据，企业必须密切关注数据质量，数据质量将是直接影响系统应用成功的关键。数据质量需要持续关注，出现了偏差需要及时纠正。
数据质量管理的概念
1
概念：数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动。
2
内容：数据质量管理不仅包括了对数据质量的改善，同时还包含了对组织的改善。针对数据的改善和管理，主要包括数据分析、数据评估、数据清洗、数据监控、错误预警等内容。针对组织的改善和管理，主要包括确立组织数据质量改进目标、评估组织流程、制定组织流程改善计划、置顶组织监督审核机制、实施改进、评估改善效果等多个环节。
数据质量管理的原因
企业的数据质量与业务绩效质检存在着直接联系，高质量保持竞争力，并在经济动荡时期立于不败之地；大数据时代，如果没有良好的数据质量，大数据将会对决策产生误导，甚至产生不可估量的结果；目前，分析系统中的数据流转和处理环节越来越多，数据管理越来越复杂，数据质量出错的黄姐也就越显增多；为保证及企业的战略提供正确、有力的支撑，必须就要保证数据质量的准确，进而必须要进行严格的数据质量监控，以保证数据的可靠性、高质量。