不可度量，就无法管理

数据质量是数据治理领域被谈论最多、却最缺乏度量的话题。多数企业的数据质量讨论停留在个案层面：「上次报表数对不上」「这个字段经常为空」，缺乏系统性的量化视角。而管理学的基本常识是：不可度量就无法管理——没有数字，数据质量改善就只能是运动式的、不可持续的。

六维度量模型

• 完整性：必填字段的非空率、关键表的记录覆盖度。度量方式：规则引擎定期扫描并统计缺失比例。
• 准确性：数据与真实业务的一致程度，通常用抽样比对（与源系统、与人工台账）计算一致率。
• 一致性：同一实体在不同系统中的取值是否一致，如客户名称在 CRM 与财务系统中的匹配率。
• 及时性：数据从产生到可用的时间延迟，如 T+1 报表在早上 8 点前的就绪率。
• 唯一性：主键重复率、客户 OneID 的合并准确率。
• 有效性：取值是否符合业务规则，如年龄是否在合理区间、状态码是否在枚举范围内。

落地方法：质量评分卡

建议企业为核心数据域建立「质量评分卡」：为每项核心资产选择 3-5 个可自动计算的规则，按周输出 0-100 分的质量评分与趋势。评分卡要向三个群体展示：向管理层展示治理成效的量化趋势；向数据 owner 展示所辖资产的短板清单；向业务用户展示「哪些数据可以放心用」。运行要点有二：一是规则宁少勿滥，先覆盖影响最大的核心资产；二是评分必须与改进动作闭环——发现扣分项即生成工单，否则评分卡会沦为又一张没人看的报表。