拉尔夫·沃尔多·爱默生曾经写道:“最终,除了你自己心灵的完整,没有什么是神圣的。”虽然他可能从未预料到这一点,但他的观点可以很容易地应用到企业分析中。

毕竟,现代企业严重依赖数据,而且随着数字化转型的加速,这种依赖只会变得更加严重。但如果这些信息不完整、不一致或存在其他诚信问题,企业将面临无数挑战,失去竞争优势。还需要考虑成本。根据Gartner在美国,不良数据平均每年给企业造成970万至1420万美元的损失。

那么,在设计数据完整性计划时应该注意什么?下面,我们列出了需要考虑的四个基本标准:

  • 投资于集成。投资于同时清理和组织数据的数据集成是一个重要的步骤。与任何长期投资一样,与数据集增长所节省的金钱和资源相比,现在花费在数据集成上的时间和人力相关的成本是微不足道的。
  • 培训和任命乘务员。指派一个涉众(或大型组织的多个涉众)来监督数据生态系统是现代数据完整性计划的另一个关键步骤。这为员工提供了处理任何数据问题的资源,还有助于建立数据责任和所有权。
  • 审核和验证。这些数据管理员通常负责监视审计跟踪。这一信息显示了所做的任何更改、更改者以及更改实施的日期。因此,监控这些轨迹的任务管理人员不仅能确保识别出错误数据,还能追踪到错误数据的来源。
  • 测试再测试。为了实现数据完整性,组织需要一个支持强大验证过程的常规测试系统,包括确保数据不被输入冲突的字段类型。

各大分析公司都预测,随着边缘计算的发展、5G和其他颠覆性技术的广泛采用,企业数据将出现巨大的激增。很明显,企业将有巨大的机会挖掘新的数据源,以获得竞争优势。然而,为了有效地做到这一点,确保数据完整性至关重要。

有关上述注意事项和现代数据完整性框架的其他元素的更多信息,请查看最近的一篇文章Datanami文章