本文來自數(shù)據(jù)專題。
關(guān)于數(shù)據(jù)質(zhì)量的度量維度，業(yè)內(nèi)還沒有一個統(tǒng)一的標(biāo)準(zhǔn)，以下分享幾個常見的數(shù)據(jù)質(zhì)量度量維度。
1、記錄數(shù)完整
記錄數(shù)：正在評估數(shù)據(jù)集的記錄數(shù)值。
檢查記錄數(shù)量是否與預(yù)期數(shù)量相負(fù)。如果不符，調(diào)查卻是記錄的根本原因并再次剖析數(shù)據(jù)集。
2、完整性&填充率
完整性或填充率：包含值的字段的數(shù)量和百分比的測量標(biāo)準(zhǔn)。
完整性或填充率只基于數(shù)值的存在性。需要另外的分析以確定這些值是否有效。
要詮釋結(jié)果，需要知道那些字段是必須的（強制性的）、可選擇的或有條件的。如果字段是必填的（應(yīng)用必填、業(yè)務(wù)必填或者該字段是主鍵），其填充率應(yīng)是100%。
如果必填字段的填充率小于100%，請調(diào)查以下原因：
如果是業(yè)務(wù)必填字段，查看應(yīng)用軟件是否需要登錄；
如果應(yīng)用軟件不需登錄，查看其是否可針對需要的數(shù)據(jù)進行修改；
如果應(yīng)用軟件不能修改，對那些錄入數(shù)據(jù)的人的資料進行歸檔，并對他們進行培訓(xùn)。這種情況下，應(yīng)密切監(jiān)視數(shù)據(jù)；
檢查在數(shù)據(jù)庫中實施“非空”的可行性；
在兩個不同層面上檢查完整性/填充率：
單個列或字段：確定字段中是否存在數(shù)據(jù)；
一組數(shù)據(jù)：確定完成特定基本流程所需一系列字段的填充率。
3、空值/空字段
空：空字段（空是因為字段中什么也沒有）的數(shù)量和百分比的測量標(biāo)準(zhǔn)。
空是與完整性和填充率相反的。完整性或填充率的分析同樣適用于此，只需用相反的觀點來進行評判。
4、唯一值列表
唯一值列表：字段中不同或唯一值的列表。
確定數(shù)值是允許的或有效的。不同的字段的有效值集也不同。有效值集也被看成數(shù)據(jù)域或值域集。
檢查該字段中不同值的數(shù)目與有效值的數(shù)目。
可能的話，比較實際的不同值列表與預(yù)期有效值列表。預(yù)期有效值可來自諸如參考表格或編碼列表的數(shù)值列表，也可來自主題專家，或來自公司遵循的外部標(biāo)準(zhǔn)。
如果業(yè)務(wù)沒有有效值列表，請使用來自剖析的列表作為起點來開發(fā)一個有效值列表。
尋找默認(rèn)值，將默認(rèn)值歸檔；
尋找有重復(fù)含義的值；
如果對數(shù)值列表進行變更，將所有數(shù)值映射歸檔，并用需要變更的值更新記錄。
5、數(shù)據(jù)有效性
有效性：對字段中的值是否在允許的或有效的數(shù)值集中的測試。
對每個字段的“有效的”含義進行定義和歸檔；不同字段的有效性構(gòu)成不同。
合法性測試可包括格式或樣式、域、有效編碼、類型（字母的／數(shù)字的）、依賴關(guān)系、業(yè)務(wù)規(guī)則、數(shù)據(jù)錄入標(biāo)準(zhǔn)、最大和最小范圍，等等。
例如，記錄中的所有編碼是否被系統(tǒng)編碼表中的業(yè)務(wù)定義為有效編碼；如果是數(shù)字字段，字段中是否有字幕；日期字段中的日期是否在必需的范圍內(nèi)。
有效性測試結(jié)果可以完整性／填充率的百分比來報告。
6、頻率分布
頻率分布：字段中唯一值的分布，通過數(shù)量和百分比來度量。
頻率分布給出了一個使用思路，評判最高和最低數(shù)量值。
可考慮放棄那些使用頻率低的數(shù)值，并改用一個常用的可比價的數(shù)值。
研究所發(fā)現(xiàn)的常量。常量是指每個記錄有相同數(shù)值的任一列，這可以是從未使用或不再使用的數(shù)據(jù)元素的標(biāo)志。
確定數(shù)值分布是否是所期望的分布。
如果對數(shù)值列表已做變更，請將數(shù)值映射歸檔，并用需要變更的數(shù)值更新記錄。
尋找在分析信息環(huán)境時可能已發(fā)現(xiàn)的且正被業(yè)務(wù)廣泛使用的那些異常數(shù)值的發(fā)生頻率。
觀察默認(rèn)值或假值的頻率分布，使用頻率分布來確定待選主鍵。
如果不同值的比重較低，等值字段可能是相關(guān)的，許多空值或零值可能就有問題了。通常50%的不同值將由其他列確定是否為純業(yè)務(wù)數(shù)據(jù)。
有特定值的字段（例如，所有記錄在該字段的值均相等）是潛在無用的或具有常數(shù)屬性，確定是否應(yīng)為此在數(shù)據(jù)庫中占用一定空間。考慮輸入到一個常數(shù)表中。
7、最大數(shù)值和最小數(shù)值范圍
最大數(shù)值和最小數(shù)值范圍：由最大數(shù)值和最小數(shù)值表示的數(shù)值范圍。
數(shù)值范圍上界和下界的任何數(shù)值可快速顯示數(shù)據(jù)質(zhì)量問題；
觀察重要日期字段的最大值和最小值；
尋找期望之外的或歸檔范圍以外的數(shù)值。
8、數(shù)據(jù)新鮮度
新鮮度：關(guān)鍵日期字段或日期范圍的頻率分布。
與日期字段或數(shù)據(jù)范圍相關(guān)的一類頻率分布；
還被用于向兩個其他數(shù)據(jù)質(zhì)量維度模擬或提供輸入數(shù)據(jù)：及時性（數(shù)據(jù)的及時程度）和數(shù)據(jù)衰變（數(shù)據(jù)的負(fù)面變化率）。
9、內(nèi)容
內(nèi)容：數(shù)據(jù)內(nèi)容與列或字段名稱的匹配。
比較列或字段名與數(shù)據(jù)內(nèi)容；
字段包含的是否是預(yù)期數(shù)據(jù)。
10、重復(fù)
重復(fù)：確定是否存在意外重復(fù)。
通過評判重復(fù)含義數(shù)值列表來獲取重復(fù)數(shù)據(jù)的高層視圖；
有些工具提供不同列間的數(shù)據(jù)值比較，以及通?；诓煌瑪?shù)值精確字符串匹配的重疊百分比；
有些數(shù)據(jù)剖析工具強調(diào)僅基于精確字符串匹配的重復(fù)數(shù)據(jù)，但其他工具使用經(jīng)常被稱為“模糊匹配”的工具。
11、數(shù)據(jù)類型
尋找通過剖析工具推斷的、預(yù)期數(shù)據(jù)類型和實際數(shù)據(jù)類型之間的差異。
工具可顯示歸檔的數(shù)據(jù)類型（或每個元數(shù)據(jù)的預(yù)期數(shù)據(jù)類型），并與從實際數(shù)據(jù)內(nèi)容中推斷出的數(shù)據(jù)類型進行比較；該工具也標(biāo)記源數(shù)據(jù)類型和目標(biāo)數(shù)據(jù)類型之間的不相容性，該問題需在遷移數(shù)據(jù)時予以解決。
對數(shù)據(jù)模型而言，該工具也呈現(xiàn)數(shù)據(jù)類型以及可用于該模型中的替代數(shù)據(jù)類型實例。
12、大小或長度
大小或長度：字段中數(shù)據(jù)的長度。
尋找實際數(shù)據(jù)大小與預(yù)期數(shù)據(jù)大小之間的差異；
尋找大量具有完全相同大小的記錄，這可顯示出在該字段中已被縮減了的數(shù)據(jù)；
如果源和目標(biāo)系統(tǒng)之間的大小存在差異，確定超出目標(biāo)大小的源記錄的數(shù)目和百分比：如果數(shù)目小，需人工更新記錄；如果數(shù)目大，需了解如果數(shù)據(jù)在遷移時被刪減將會對業(yè)務(wù)產(chǎn)生什么影響。
13、樣式
樣式：數(shù)據(jù)中發(fā)現(xiàn)的唯一式樣的數(shù)量和百分比。
尋找意外的樣式；
預(yù)期的或有效的樣式將根據(jù)字段的不同而不同；
尋找ID字段的同一樣式。
14、精度
對數(shù)字?jǐn)?shù)據(jù)，要確定小數(shù)點的位置是否在所需精度的位置。
15、一致性
一致性：同一記錄中相關(guān)字段的合理性測試。引用完整性。
評判記錄中數(shù)據(jù)的一致性；
評判記錄之間數(shù)據(jù)的一致性；
評判高層業(yè)務(wù)規(guī)則以了解其關(guān)聯(lián)關(guān)系，并尋找符合性；
尋找其他依賴關(guān)系。一個字段中具有正確格式的值與另一個字段中的值相關(guān)聯(lián)；
尋找計算：作為每一個源元素的存儲計算值是正確的。
16、并發(fā)性和及時性
并發(fā)性和及時性：各種數(shù)據(jù)庫、應(yīng)用軟件和流程之間的數(shù)據(jù)同步和數(shù)據(jù)時延，剖析多個數(shù)據(jù)庫，并比較其結(jié)果的差異。
17、業(yè)務(wù)規(guī)則
確定是否沒被植入進數(shù)據(jù)結(jié)構(gòu)中的業(yè)務(wù)/數(shù)據(jù)規(guī)則正在由應(yīng)用程序邏輯實施。
這通常都是針對有自身規(guī)則的數(shù)據(jù)子集。例如，可能有具有特定規(guī)則的不同當(dāng)事者類型（組織、合同等），這些規(guī)則需要某些列為空，而其他列要輸入。
