4.4执行手动和自动数据校正-校正过程步骤3在此步骤中,开发、测试和执行手动和自动校正。修正可以就地应用于中间数据库或其他目标,如数据仓库或数据集市。基本技术保持不变。在成功和错误发生时将它们记录下来将使这些纠正技术能够在后续项目中使用。A标准化原子级格式和值的数据。数据质量项目团队将检查跨数据库的数据在定义、域值和存储格式、非原子数据值的使用以及域重复值的实例(例如,september和Sep)中的一致性。如果数据定义和体系结构需要基于文件和数据库中的实际数据进行细化,数据质量项目团队将基于2.3 F中描述的过程启动数据定义工作。一旦确定了标准化规则,数据质量项目小组将根据标准化、数据合并和转换规则映射源数据B校正和完善数据。数据质量项目组将纠正和完成第4.2节中确定的数据,使其达到可行的最高质量。如果随后对源数据进行转换和增强,将其合并到数据仓库或数据集市中,则此过程特别重要。数据异常可能包括:-缺少数据值。-无效的数据值(超出范围或超出域值集)。-违反业务规则的数据,例如无效的数据对(例如,一个活跃员工的退休日期)或多余的数据(例如,一个员工有两个配偶)。-“可疑数据”,如在期望唯一值时出现重复数据值;过分的价值;或“看起来错误”的数据(例如,SSN号码111-11-1111或Start Date of Jan 01, 1900)。有时候,一些数据可能是“不可纠正的”。数据质量项目团队可以选择通过以下方式处理这种情况:-拒绝该数据并将其从数据源中排除。-接受数据并记录异常情况。-设置数据为默认值或“无法转换”的值。-估计数据。估计数据可能是一个可接受的解决方案,但使用不正确的数据的风险应该仔细权衡。从本质上来说,估计的数据值是不正确的,而不正确的数据通常比丢失数据的代价更高。数据质量项目组将记录纠正每个数据元素类型的方法和处理不可纠正数据的方法(图4-2)。此外,数据质量项目团队将记录纠正每个数据类型的成本,以跟踪数据成本和返工的费用。费用包括:-是时候开发转换例程了。-数据校正软件的成本。-调查和校正数据值所花费的时间。-使用计算机时间的成本。-验证数据所需的材料成本。-必须查明和量化与非质量数据有关的其他费用成本包括:-非质量数据的成本(报废和返工)包括:非质量数据导致的不可收回成本;冗余数据处理和支持成本;业务报废和返工费用;变通成本和降低的生产力;查找丢失数据的成本;从流程故障中恢复的成本;其他数据验证/清理/更正费用;系统需求设计和编程错误;软件“重写”成本; 负债/风险成本;从流程失败中恢复;以及不满意客户的回收成本。-“损失”,以收入、利润或客户终身价值来衡量,包括失去的机会成本和错过的机会成本。-任务失败(有影响的风险),如无法完成任务,甚至倒闭。
图4-2:数据校正工作表模板示意图
C匹配和合并数据。在单个数据源或多个数据源中可能存在重复记录的情况下,根据满足涉众期望的匹配标准确定可能合并的候选项。不正确的合并记录会导致重大的处理失败,因此比重复的记录更不可取。必须验证合并记录的匹配标准,以确保在不创建不正确的合并的情况下消除重复。数据质量项目组将为多个数据元素开发匹配标准,并为每个匹配分配相对权重。如果两个不正确合并的记录的影响很大,那么匹配标准应该非常严格。匹配标准和相对权重/分的例子如下:-准确匹配的名称,50%或20分。-拼音匹配的名字,35%或15分。-准确匹配的地址,25%或10分。-接近匹配的地址,15%或5分。-“关键字”匹配,如Bob和Robert或Education and Training, 25%或10分。匹配标准结果是附加的。在上面的示例中,Name和Address上的精确匹配将产生75%或30分的相对权重,而Name上的语音匹配和Address上的相近匹配将产生50%或20分的相对权重。数据质量项目小组将检查带有匹配项的记录,以确定它们是否确实是重复的。如果重复记录可以追溯到两个不同的数据源,则应该在控制文件中交叉引用这些记录,以避免将来创建重复记录。在某些情况下,可能不允许在特定数据源中合并特定数据类型(例如,如果涉及的记录已被指定为主记录,且不能删除)。D分析缺陷类型。数据质量项目小组将分析前面步骤中的错误,以了解模式、成本和对业务的影响。这些模式有助于识别问题,通常指向源流程。成本和影响有助于确定需要解决的可能过程问题的优先级。数据质量项目组将把结果合并并记录在数据元素校正总结报告中,概述如下:-描述在数据元素校正过程中使用的手动和/或自动校正工具和技术。-数据文件、记录和修正的元素列表。-更新数据元素质量标准规范工作表。-修正指令发送到总部和/或现场工作人员。E转换和增强数据。数据纠正后,数据质量项目小组将准备数据,以便将数据加载回源数据库或目标数据库。在需要数据转换的情况下,转换过程处理第4.4 A节中确定的任何必要的数据转换。增强过程使用来自外部数据源的数据来增强内部数据。应用于数据的标准化规则定义了数据转换规则,数据转换规则用于开发转换例程。预期的数据转换示例包括以下内容:-数据提取:将选择的字段映射到目标,不进行转换。例如,订单数据库可能包括订单号、客户ID、发货地址和账单地址,而目标数据仓库数据库可能需要客户ID和发货地址。-域值转换:将非标准域值转换为标准域值。例如,如果公司的标准是对月份值使用三个字符代码,那么使用数字1-12存储月份的数据库必须转换为三个字符代码。-编码或分类文本数据:自由文本数据转换为离散代码或域值。一个常见的例子是“reason”文本字段,在该字段中,对数据的检查将产生候选代码或域值。一旦转换为离散代码或值,数据就可以统计地使用。-垂直过滤:一个用于多种目的的字段被分割成各个目的的离散字段。-水平过滤:一个字段被分割成原子级组件。这种转换的一个常见示例是将全名拆分为名、姓和中间名的首字母。-核对和合并:对上述4.4 C节中确定并经核实为真实副本的记录进行合并。-数据评估与选择:记录从多个数据源组合到一个数据仓库或其他数据库中,选择最权威的数据。如果有疑问,一个非正式的质量评估类似于在2.5节中执行的,可以帮助确定最正确的来源。增强包括从外部源添加地理、人口统计、行为和普查数据,以支持已确定的业务需求。例如,可以从外部来源获得收入数据,并将其附加到客户的记录中,以帮助确定其第8部分的收益。F计算导出数据和汇总数据。如果数据是汇总或导出的,数据质量项目团队将计算这些数据。这通常适用于数据仓库或数据集市ECTL。对数据进行汇总或组合,以优化对数据库进行频繁查询的性能。这可以通过以下步骤来完成:-识别需要摘要或派生数据的查询。-SME或业务数据管理员定义并验证支持查询的计算规则和/或算法。-开发并认证用于计算或汇总的软件例程。4.5确定纠正的充分性-校正过程步骤4在项目可以结束之前,数据质量项目团队必须评估校正过程的成功。至少执行以下步骤:A.进行校正后质量评估。数据质量项目团队将确定每个数据元素校正后质量的符合性水平。这种遵从性确定确保:(1)数据值位于域值集或范围内。(2)任何“缺失的”数据值现在都存在。(3)数据值遵循业务规则。(4)按照4.3 C节规定的数据映射加载数据。数据质量项目组将验证转换和增强的效果。这种验证确保:(1)按照预期的方式转换数据。(2)用预期的正确数据增强记录。数据质量项目组将通过以下方式验证记录是否按预期加载:(1)确保工作已完成。(2)确认处理的记录数量正确。(3)确认没有任何记录因疏忽而被处理两次。(4)确保合并正确数量的重复记录。B评估数据校正技术的影响。数据质量项目团队将以错误或遗漏的百分比记录改正技术的影响:-使用自动方法准确校正。-通过人的努力或手段纠正。-修正到一个不准确的值(有效,但不准确)。-没有修正,因为它是不可能的或成本太高,以获得正确的价值。C建议数据修正改进。数据质量项目组将分析数据缺陷,提出适当的改进建议,并更新数据元素质量标准工作表(表2-6),以更正后的结果。D.记录校正后数据校正结果。数据质量项目组将记录:-纠正技巧,哪些起作用,哪些不起作用。-调整校正时间表。-数据元素校正后遵从级别。-分析数据质量的弱点并提出相应的改进建议。-评估整改计划、进度、所需人力资源和角色。-提高数据质量。相关链接:·第一章:内政部实施数据质量改进过程环境·第二章:数据质量评估过程·第三章:数据质量改进过程·第五章:数据质量认证过程