第1个回答 2011-09-25
数据质量(DQ)和数据挖掘(DM),一个好像经济基础,一个好像上层建筑。没有经济基础,上层建筑无从谈起。
数据挖掘建立在数据真实性和完备性的基础之上。如果数据不能真实准确的反映实际发生的业务
或者数据是不完备的,这就意味着数据分析和数据挖掘的来源不可靠,分析的结果也必然是不可靠。因此从顺序角度来说,数据质量管理DQM要在数据挖掘之前做。
决定数据质量的原因有很多,直接因素有:信息因素、技术因素。间接因素有:流程因素和管理因素。大多数造成数据质量问题的原因,背后通常都有管理缺失的因素在内。因此数据质量管理(DQM——Data Quality Management),除了针对数据本身的检查、修改和监控,也包含对流程上的管理和改善。数据质量管理,不仅需要通过数据质量检查(清洗)工具和一定的检查规则(Rule),发现数据问题并且改正数据,还需要通过访谈获得管理上的缺陷,以制定预防措施。这些都需要依靠专家的经验。通常企业是发现数据问题,解决数据问题,只是针对数据错误纠正错误,不去从更多的角度考虑如何做好数据质量管理(DQM),日积月累,反而使得风险增加,大大增加了企业的管理成本,这是任何老板都不希望看到的结果。如果再加上在错误数据上得到的错误分析结果,造成了企业的亏损,到时候后悔都来不及了。因此,数据质量管理(DQM)是数据挖掘(DM)的基础,DM是基于DQM之上的应用。
希望能够对你有所帮助,更多DQM相关的文章,请看
csdxhh
第2个回答 2011-09-18
数据质量(DQ)和数据挖掘(DM),一个好像经济基础,一个好像上层建筑。没有经济基础,上层建筑无从谈起。
数据挖掘建立在数据真实性和完备性的基础之上。如果数据不能真实准确的反映实际发生的业务
或者数据是不完备的,这就意味着数据分析和数据挖掘的来源不可靠,分析的结果也必然是不可靠。因此从顺序角度来说,数据质量管理DQM要在数据挖掘之前做。
决定数据质量的原因有很多,直接因素有:信息因素、技术因素。间接因素有:流程因素和管理因素。大多数造成数据质量问题的原因,背后通常都有管理缺失的因素在内。因此数据质量管理(DQM——Data Quality Management),除了针对数据本身的检查、修改和监控,也包含对流程上的管理和改善。数据质量管理,不仅需要通过数据质量检查(清洗)工具和一定的检查规则(Rule),发现数据问题并且改正数据,还需要通过访谈获得管理上的缺陷,以制定预防措施。这些都需要依靠专家的经验。通常企业是发现数据问题,解决数据问题,只是针对数据错误纠正错误,不去从更多的角度考虑如何做好数据质量管理(DQM),日积月累,反而使得风险增加,大大增加了企业的管理成本,这是任何老板都不希望看到的结果。如果再加上在错误数据上得到的错误分析结果,造成了企业的亏损,到时候后悔都来不及了。因此,数据质量管理(DQM)是数据挖掘(DM)的基础,DM是基于DQM之上的应用。
希望能够对你有所帮助,更多DQM相关的文章,请看
csdxhh
第3个回答 2011-09-16
数据质量管理(Data Quality Management),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,并通过改善和提高组织的管理水平使得数据质量获得进一步提高。数据质量管理是循环管理过程,其终极目标是通过可靠的数据提升数据在使用中的价值,并最终为企业赢得经济效益。本回答被网友采纳