一、加强信息系统设计
产生数据质量问题的第一个环节就是生成数据的源系统，在数据源头解决数据质量问题是提高数据质量非常有效的措施。加强信息系统设计和开发可以通过系统功能自动地规避大量数据质量常见问题。具体包括以下三个方面：
1、细化需求，在需求分析阶段增加对数据质量的详细要求；
2、加强数据库设计，使用3NF范式构建业务系统数据模型可以通过数据库有效解决数据冗余、不一致等问题；
3、系统开发阶段加强数据录入功能的设计和开发，提高界面友好性和校验功能，可以有效解决数据完整性、时效性等问题。
二、建立主数据中心
企业内部不同应用系统、不同部门间需要共享数据的现象非常普遍，建立主数据中心不仅能避免各应用系统相互共享数据形成网状结构，同时能够保证对外提供准确、一致的数据。
一般地，主数据是描述核心业务实体的数据，如 IT、业务、应用、资产等，这些数据变化相对缓慢并通常跨业务重复使用。
这里我们结合实际需求情况扩大了主数据的范围，凡是需要交换、共享的数据都纳入到主数据范围，形成企业范围内一致的、完整的、准确的核心业务数据，统一由主数据中心完成对外提供数据的任务。
建立主数据中心不仅仅是技术工作，除开发、维护外还需要制定开发规范、管理规范、管理流程，共同规范主数据的使用。 gendan5.com/zs/djia.html
三、搭建数据质量监控平台
通过搭建数据质量监控平台可以实现数据质量自动检查、监控，平台包括数据质量检查规则库、规则执行引擎、数据质量报告、报告推送功能。
平台的核心是规则库，与业务无关的规则由技术人员独立开发，与业务相关的规则需要技术人员和业务人员共同确定检查规则，然后编写规则脚本。
规则执行引擎可以定时批量执行检查规则，及时发现数据质量问题，将数据质量报告第一时间推送给业务人员，有助于及时纠正问题数据。
四、实施数据安全工作
数据安全实施工作在数据安全管理制度的指导下执行，由技术人员完成，主要包括数据备份、恢复、脱敏、监控、审计等。数据治理是企业信息化建设中提高数据应用水平和信息化管理水平的有效手段。
数据治理是一项长期系统工程，贯穿于整个数据生命周期，不仅需要借助技术手段，更需要完善数据治理制度，包括规划、组织、机制、规范、流程等，只有企业各级人员高度重视和积极参与，逐步形成数据治理文化，数据治理才能取得成效，数据才能发挥更大的价值。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70014563/viewspace-2901691/ ，如需转载，请注明出处，否则将追究法律责任。
