数据质量治理的基本流程有哪些?

发现数据质量问题 > 定义数据质量规则 > 质量控制 > 质量评估 > 质量优化。

质量问题：列出了数据可能存在的问题，如完整性、唯一性、准确性、一致性、及时性、真实性和相关性等。

质量规则：定义了数据质量的规则和权重分配。这些规则用于评估数据的质量。比如针对字段设计质量规则（如手机号长度、日期格式、数值范围等）。
质量控制前置：在数据进入平台之前进行质量控制，包括数据录入、数据导入和集成接入。不符合规则的数据不会被允许进入平台。
质量评估：对已有数据进行质量评估，生成评估报告。评估过程中会识别出脏数据（即不符合质量要求的数据）并进行详细记录。
数据清洗：对识别出的脏数据进行自动清洗，以提高数据质量。针对复杂问题，触发预警，推送人工复核流程。
低分/异常预警：对质量评分低或异常的数据发出预警，以便及时处理。
质量情况统计：对数据质量情况进行统计分析，以便更好地理解和改进数据质量。