数据质量这块深有体味，曾经开发实施ERP多年，接过很多ERP业务需求并深入了解过业务，BI报表的需求等，有关数据质量分几种：
1.系统BUG问题：
 产生原因：A.开发测试验收流程不规范，遵循开发加自测=》测试=》业务需求部门验收的流程操作，减少这块引起的数据质量问题。
        B.开发过程中，可能版本控制的问题，对公用的过程，我修改后另外的开发人员进行覆盖等等问题
 解决方案：A.规范开发测试及版本控制流程，没有任何捷径所走，上面几个朋友都有提到，对已发生的问题开发人员进行修改；
        B.曾经使用过一套平台化开发的ERP系统，主要原因是开发人员的进进出去，修修改改，数据质量经常不准确，后来通过3个月的时间，把所有单据明细与库存明细帐、销售明细账、期间表、即时库存、成本表等等所有的过账逻辑在晚上进行修复重算，再更新重算后正确的数据，一举解决了困扰公司几年老大难的问题。但这工作需要对业务、数据结构、ERP业务流程、开发能力都比较强的人员来操作，才能保证重算的准确。
2.分析指标统一口径问题：
 产生原因：在一公司做BI系统的时候，指标口径不统一，比如像成本有：门店成本、销售成本、加成成本等等好几个，每次开会的时候，采购部、销售中心、财务中心、市场部等等拿出来的数据可能名称一样，但数据都不一样；
 解决方案：我想这一块还是比较好解决的，只要先统计整理公司所有的指标，然后把业务部门请上来，统一指标名称、指标解释、计算公式等，就不会产生同一个人，这个叫李老四，那个叫李二狗。
3.企业不同的时期业务系统处理方式上逐步优化产生的数据差异：
 产生原因：企业在不同的发展时间，系统处理会有所差异，特别是二开比较多的公司
 解决方案：A.后续规范的数据与前面不规范的数据，看是否可以通过相对应的关系，进行整理统一；
        B.如果上述都不能处理的话，我想还是对前面的一些数据进行分开统计分析，否则两者不一样统计了来会误导业务人员
        以前在一通讯行业工作的时候，原来在联通新用户（存费送机、购机送费、单开户）、老用户等等以前都是通过一个或几个字段的状态标志进行区别，后来业务发展，发现这样太复杂，后来做了一个政策层级的分类，统一规范。在处理前面数据的时候，对以前的数据进行修复处理，以保证与后续的数据统计方式一致。否则区别两个统计方式。
4.因为实际业务过程中无法规范而产生的数据质量问题：
 问题举例：在一服装制造行业工作的时候，来统计产品的实际工时，因为是A产品完工、B产品新生产，在这一交接阶段，同时进行生产，无法正确的统计实际的生产工时，这是正常的实际情况。
 解决方案：后与业务部门沟通，将当天的实际工时根据当天完工产品的理论工价来按比例分配，这样对统计分析虽然会有不真实的情况，但也是能相对真实。
 所以碰到问题的时候，可以是否可以折中处理，只要不完全违背统计分析的原则，还要以考虑相应的处理方式。
 说了这么多废话，希望可以在实际工作中引起一些思考。

Gaea： BI要做到啥程度算好啊？我们公司也有，但是数据不准，也没人看，还是要靠每天导数据汇总
杨烈兵： 数据都不准，做BI有意思吗？
刘劲： 数据不准就失去数据本身的意义了，数据不准是致命的。没人看真的就失去意义了。
百分百： 有意义。就好像你之前在商家开了一个会员卡。填写了名字为A，虽然A不存在，但你的消费记录还是有意义的。
刘劲： 如果是年龄、收入等这些数据呢？这些一般都不准的吧
百分百： 可以通过购物记录，消费习惯，品牌偏好等等纠正的呀。但可以自己预估一个区间贴标签。
Suky： 先有数据——数据标准——数据治理——数据应用——数据价值
Kimi： 应该是业务部门的口径不一致 才不用～～
春宇： @Gaea 每天系统一挂就有一万个电话过来骂娘，基本上你们BI就做的很好了。
Seng： 春宇，说的太对了
春宇： 大国企，特点是，系统挂了一个月，没人知道，连管理员都不知道
百分百： @春宇 这个标准必须赞。

涉及到数据清洗，和数据校验。
监控是按照业务规则来执行程序，进行监控。
数据清洗，主要是对录入数据按照业务规则，比如对数据缺失值做清洗，对数据范围值域做清洗，非数值清洗，非日期值做清洗，包括空格清洗，等 使数据标准化。
垃圾数据也就是脏数据的处理：
对于录入错误的数据，如果有数据补录平台，则对错误数据进行界面跳出窗口提示具体哪些数据错误。业务会根据错误信息，进行数据修正，重新导入。
具体实现方案：

地址连接 http://f.dataguru.cn/thread-587409-1-1.html   是目前做的一个清洗存储过程实现案例可参照。

如有疑问可及时沟通。