Go back to the English version of the documentation数据质量维
数据质量维
Last updated: 2025年2月21日
数据质量维度描述了数据的可测量特性，有助于定义数据质量要求。 使用数据质量维度来确定数据质量评估的预期结果，无论是初始评估还是持续监视。
您希望数据处于的状态通常可以定义为 适合使用， 无缺陷， 对应于规范或 满足期望和需求。 在度量数据质量时，将数据的实际状态与此所需状态进行比较。 对于业务流程很重要的标准，期望和需求表示为数据的特征或维度。
Data Management 协会 (DAMA) 国际发表了一篇论文，描述了 6 数据质量的核心维度:
| 维度 | 描述 | 用于识别与此维度关联的问题的预定义数据质量检查 |
|---|---|---|
| 准确性 | 数据值尽可能接近实际值。 | 无。 |
| 完整性 | 存在所有必需的数据值。 | 意外缺失值 |
| 一致性 | 列中的数据值符合规则。 | 大写不一致 缺失值的不一致表示 可疑值 |
| 即时性 | 数据表示来自所需时间点的实际情况。 | 无。 |
| 唯一性 | 相异值仅出现一次。 | 意外的重复值 |
| 有效性 | 数据符合其定义的格式，类型或范围。 | 数据类违例 数据类型违例 格式化违例 值超出范围 |
您可以使用 IBM Knowledge Catalog API 创建数据质量维度 创建自己的数据质量维度。
您希望数据处于的状态通常可以定义为 适合使用， 无缺陷， 对应于规范或 满足期望和需求。 在度量数据质量时，将数据的实际状态与此所需状态进行比较。 对于业务流程很重要的标准，期望和需求表示为数据的特征或维度。
Data Management 协会 （DAMA） 国际发布了一份文件，描述了数据质量的六个核心维度： 准确性、 完整性、 一致性、 及时性、 唯一性和有效性
此外， IBM Knowledge Catalog 还提供了维度同质性。
所有这些维度都可以通过运行数据质量检查（作为元数据丰富的一部分）或运行单个数据质量规则来评估。
下表描述了数据质量维度，并列出了元数据丰富化中的数据质量检查，这些检查可以识别与特定维度相关的问题：
| 维度 | 描述 | 数据质量检查类型 |
|---|---|---|
| 准确性 | 数据值尽可能接近实际值。 | 无。 |
| 完整性 | 存在所有必需的数据值。 | 完整性检查 |
| 一致性 | 列中的数据值符合规则。 | 大写检查 缺失值表示检查 参照完整性检查 ( IBM Knowledge Catalog Premium ) 疑似值检查 |
| 同质性(M) | 数据长期保持相似且稳定。 | 历史稳定性 ( IBM Knowledge Catalog Premium ) |
| 即时性 | 数据表示来自所需时间点的实际情况。 | 无。 |
| 唯一性 | 相异值仅出现一次。 | 唯一性检查 |
| 有效性 | 数据符合其定义的格式，类型或范围。 | 数据类检查 数据类型检查 格式检查 长度检查 可能的值检查 范围检查 正则表达式检查 |
了解更多信息
- 数据质量分析结果
- 预定义的数据质量检查
- 配置主数据工作流程
- IBM Knowledge Catalog API：列出所有数据质量维度
- IBM Knowledge Catalog API：创建数据质量维度
父主题: 管理数据质量