随着工业信息化的不断深入,工业数据的应用越来越广泛,数据质量的重要性也日益凸显。工业数据质量的好坏直接影响到企业的生产经营和决策效果,因此,对工业数据质量的管理、评估和控制越来越受到重视。GB/T 39400-2020 工业数据质量 通用技术规范的发布,为工业数据质量管理提供了标准化的指导和规范,有助于提高工业数据的质量和可信度,促进工业数据的应用和价值实现。
1.术语和定义
GB/T 39400-2020 工业数据质量 通用技术规范对工业数据质量管理中涉及的术语和定义进行了明确和解释,以便于标准的理解和应用。例如,对于“数据质量”,该标准定义为“数据符合使用要求的程度”,并进一步明确了数据质量的几个方面,如数据准确性、数据完整性、数据一致性、数据时效性等。
2.数据质量管理
数据质量管理是工业数据质量管理的核心内容,GB/T 39400-2020 工业数据质量 通用技术规范对数据质量管理的原则、目标、组织和职责、流程和方法、数据质量监控和改进等方面进行了规范。其中,数据质量管理的原则包括全员参与、持续改进、风险管理等,数据质量管理的目标包括确保数据质量符合要求、提高数据质量水平、降低数据质量风险等。数据质量管理的组织和职责包括明确数据质量管理的责任和权限、建立数据质量管理体系、制定数据质量管理制度等。数据质量管理的流程和方法包括数据质量需求分析、数据质量规划、数据质量实施、数据质量监控和数据质量改进等。数据质量监控和改进包括数据质量监控的方法和指标、数据质量改进的方法和措施等。
3.数据质量评估
数据质量评估是对工业数据质量进行客观、全面和准确的评估,为数据质量改进提供依据。GB/T 39400-2020 工业数据质量 通用技术规范对数据质量评估的原则、目的、方法和指标等方面进行了规范。其中,数据质量评估的原则包括客观性、全面性、准确性等,数据质量评估的目的包括确定数据质量现状、发现数据质量问题、评估数据质量风险等。数据质量评估的方法包括数据质量抽样、数据质量检测、数据质量分析等,数据质量评估的指标包括数据准确性、数据完整性、数据一致性、数据时效性等。
4.数据质量控制
数据质量控制是通过数据质量控制,确保数据质量符合要求,满足数据应用的需要。GB/T 39400-2020 工业数据质量 通用技术规范对数据质量控制的原则、方法和措施等方面进行了规范。其中,数据质量控制的原则包括预防为主、全员参与、持续改进等,数据质量控制的方法包括数据质量检测、数据质量纠错、数据质量验证等,数据质量控制的措施包括建立数据质量控制制度、制定数据质量控制方案、加强数据质量培训等。
5.数据质量保障
数据质量保障是确保数据质量的可靠性、安全性和可用性,保障数据应用的有效性和可持续性。GB/T 39400-2020 工业数据质量 通用技术规范对数据质量保障的原则、方法和措施等方面进行了规范。其中,数据质量保障的原则包括安全可靠、可用可持续、合规合法等,数据质量保障的方法包括数据备份和恢复、数据安全保护、数据可用性保障等,数据质量保障的措施包括建立数据质量保障体系、制定数据质量保障方案、加强数据质量保障培训等。
相关标准
GB/T 28289-2012 数据质量管理通用规范
GB/T 27068-2011 数据质量评估指南
GB/T 27069-2011 数据质量控制指南
GB/T 27070-2011 数据质量保障指南
GB/T 27071-2011 数据质量监控指南