第15章数据质量

1.数据质量保障原则

完整性
准确性
一致性
及时性

2.数据质量方法概述

消费场景知晓

（1）数据资产定义

分为五个等级：
① 毁灭性质（A1），数据一旦出错，将会引起重大资产损失，面临重大受益损失，造成重大公共风险；
② 全局性质（A2），数据直接或间接用于集团业务和效果的评估、重要平台的运维、对外数据产品的透露、影响用户在阿里系网站的行为等；
③ 局部性质（A3），数据直接或间接用于内部一般数据产品或者运营 / 产品报告，如果出现问题会给事业部或业务线造成影响，或者造成工作效率损失；
④ 一般性质（A4），数据主要用于小二的日常数据分析，出现问题几乎不会带来影响或者影响很小；
⑤ 未知性质（Ax），不能明确说出数据的应用场景，则标注为未知；
注:A1>A2>A3>A4>Ax，如果一份数据出现在多个应用场景中，则遵循就高原则

（2）数据资产等级落地方法

先给不同数据产品或者应用划分数据资产等级，再依托元数据的上下游血缘，可以将整个加工消费链打上某一类数据资产的标签。

数据加工过程卡点校验

（1）在线系统卡点校验

主要是指在在线业务系统的数据生成过程中进行的卡点校验。
问题：在线数据和离线数据的一致性
方法：工具和人双管齐下

工具：首先是发布平台，其次是数据库表的变化感知
人：须知哪些是重要的核心数据资产，须知哪些只是内部数据分析使用

（2）离线系统卡点校验

首先是代码提交时的卡点校验
其次是任务发布上线时的卡点校验
最后是结点变更或数据重刷前的变更通知

风险点监控

（1）在线数据风险点监控

在线业务系统的数据生产过程需要保证数据质量，主要根据业务规则对数据进行监控。阿里巴巴主要采用实时业务检测平台 BCP ，用于保障在线系统的数据质量。

（2）离线数据风险点监控

① 数据准确性

阿里巴巴主要使用DQC来保障数据的准确性。

② 数据及时性

任务优先级：首先确定业务的资产等级，等级高的业务所对应的消费节点自然配置高优先级，一般业务则对应低优先级，确保高等级业务准时产出。
任务报警：和优先级类似，也是通过叶子节点传递；实时监控
摩萨德：根据离线任务的运行情况实时决策是否告警、何时告警、告警方式、告警给谁等。包括强保障监控和自定义监控。