本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：数据质量的好坏直接关系到信息准确度和业务有效性。只有解决数据质量问题并保证数据资产的科学性，才能有效反映企业运营和市场事实。科学有效的数据能够让企业经营决策可靠精确。大数据时代，数据将会呈爆炸式增长，海量的数据一方面为运营商带来大量信息资产，另一方面无用数据、干扰数据也呈指数级增长。因此，围绕企业大数据的生命周期管理，实现数据的全过程质量监控非常重要。
关键词：大数据；稽核；规则配置；质量评分
doi：10.12045/j.issn.1007-3043.2021.11.002
概述
大数据平台可用性是一项重要的平台运行指标，一个优秀的大数据平台，首先能够让操作者快速发现和理解数据，最终实现数据的高效应用。因此在整个过程中，平台中数据获取后的质量管控非常重要，只有对采集的数据进行严格的分析治理和质量管控，发现并完善数据的质量问题，才能解决用户对数据可用性的疑虑，保证后期业务的准确性和有效性。
数据质量管理主要依靠管理制度和事后稽核。在平台建设过程中，设计者通过改变模型管理和数据开发的模式，将后向管理变更为前向管理，从数据源头保障数据质量。
数据质量稽核从流程上可以分为以下3个层级。
a）元数据管理：最基础性的管理机制，可以识别、评价、追踪资源，达到有效管理。
b）数据的标准化管理：建立标准化体系，保证数据的统一运营和维护。
c）数据质量稽核：实现数据的深度质量检查，打造优质数据资产。
