数据质量管理以企业业务数据为质检对象，通过向导化、可视化等简易操作手段，将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合，形成完整的数据质量管理闭环。
数据质量相关操作流程大致如下，可分为5步：
1） 第一步，创建质量模型
质量模型是用户进行数据质量分析的基本单元，这里包括新建质量模型和添加待检测的检查表以及必要的属性设置。
同时支持对质量模型做初步的智能体检，根据检查表的基础信息、数据标准定义的标准规范，对检查表进行检查智能化检查。
2） 第二步，添加质检规则
即添加质量规则，即设置哪张检查表哪个字段需要做什么样的数据检查。平台支持一条一条新建质检规则、批量新建质检规则、根据数据标准新建质检规则，根据模型新建质检规则，同时还支持利用AI大模型能力解析业务文档逻辑智能生成质检规则。
3） 第三步，创建质检方案与执行
创建质检方案，即指定需要执行的质检规则，整改流程、自动执行周期、预警方式等。一个质量模型可以创建多个质检方案。创建好质检方案后，接下来执行质检方案得到质检结果，可定时自动执行，也可手动执行。
4） 第四步，质量监控与预警
在质量监控模块查看质检结果，对错误数据可以添加例外，也可以在质量分析模块从更多维度查看数据质量情况，同时当错误数据触发阈值时可通过邮件、短信、钉钉等方式推送消息给相关用户。
5） 第五步，数据整改
可发起数据整改，针对简单技术性错误可进行智能化修复，针对业务逻辑型数据通知到相关人员，进行整改直至数据质量达到要求。
请先登录