關(guān)于數(shù)據(jù)質(zhì)量管理，可能與大部分人沒有太大的關(guān)系。雖然，市面上有很多的公司在進(jìn)行數(shù)據(jù)的挖掘、分析方面業(yè)務(wù)的工作，但是關(guān)于數(shù)據(jù)質(zhì)量管理方面的公司真的是屈指可數(shù)。

由于本人所在的公司主要是為了解決發(fā)改委遇到的一些問題，而開展的1個(gè)項(xiàng)目。比如檢驗(yàn)地市注冊(cè)資金是否存在異常這么1個(gè)簡(jiǎn)單的例子。

而對(duì)于數(shù)據(jù)感知技術(shù)，大部分沒有了解過(guò)。為了說(shuō)明，大數(shù)據(jù)時(shí)代下，數(shù)據(jù)感知在數(shù)據(jù)質(zhì)量管理系統(tǒng)中的應(yīng)用，這里我們需要先解決幾個(gè)問題:

一、什么是數(shù)據(jù)質(zhì)量管理系統(tǒng)?

二、什么是數(shù)據(jù)感知技術(shù)?

三、數(shù)據(jù)感知技術(shù)的用途?

四、下面我們分別來(lái)進(jìn)行介紹。

?

什么是數(shù)據(jù)質(zhì)量管理系統(tǒng)

我們知道，數(shù)據(jù)是企業(yè)數(shù)據(jù)中心的重要資產(chǎn)，獲取并維護(hù)高質(zhì)量的數(shù)據(jù)，對(duì)業(yè)務(wù)及運(yùn)營(yíng)至關(guān)重要。而數(shù)據(jù)量越大，有價(jià)值的信息獲取的難度就越大。如果獲取不到有用的信息，就不能很好的進(jìn)行數(shù)據(jù)挖掘和數(shù)據(jù)分析。

但是在這個(gè)過(guò)程中，有許多因素會(huì)導(dǎo)致這些數(shù)據(jù)資產(chǎn)貶值，比如數(shù)據(jù)的冗余和重復(fù)會(huì)導(dǎo)致信息的不可識(shí)別、不可信及精確度不夠等情況的發(fā)生。

而數(shù)據(jù)質(zhì)量管理系統(tǒng)就是對(duì)數(shù)據(jù)進(jìn)行處理后能夠提供高質(zhì)量的數(shù)據(jù)，最終的目的是挖掘數(shù)據(jù)價(jià)值，推動(dòng)業(yè)務(wù)發(fā)展，實(shí)現(xiàn)盈利。

而數(shù)據(jù)質(zhì)量管理系統(tǒng)主要由如下一些部分組成：

數(shù)據(jù)清洗與去重

數(shù)據(jù)可視化

數(shù)據(jù)評(píng)估

數(shù)據(jù)治理

數(shù)據(jù)挖掘

數(shù)據(jù)分析

而當(dāng)前系統(tǒng)主要采用純Python來(lái)實(shí)現(xiàn)。對(duì)于發(fā)改委動(dòng)不動(dòng)就千萬(wàn)級(jí)別的數(shù)據(jù)還是可以很好的進(jìn)行駕馭的。

?

什么是數(shù)據(jù)感知技術(shù)？

對(duì)于感知的定義是客觀事件通過(guò)感覺器官在人腦中的直接反映。而所謂數(shù)據(jù)感知，就是通過(guò)對(duì)數(shù)據(jù)的一些特征信息來(lái)對(duì)數(shù)據(jù)進(jìn)行描述。比如，我們看到遠(yuǎn)處有1個(gè)人，長(zhǎng)頭發(fā)穿著紅色衣服高跟鞋，那么我們就可以推測(cè)那個(gè)人是女的。當(dāng)然，這個(gè)過(guò)程也可能會(huì)出現(xiàn)不準(zhǔn)確的問題，比如那個(gè)人是個(gè)男的，就這樣打扮。

而數(shù)據(jù)感知技術(shù)可以實(shí)現(xiàn)給我們1組樣本數(shù)據(jù)，我們可以知道它是哪種類型。比如，給我們?nèi)缦碌?span>100條記錄1組數(shù)據(jù):

通過(guò)我們的感知技術(shù)我們可以識(shí)別它為手機(jī)號(hào)碼和電話號(hào)碼，其中手機(jī)占據(jù)的比例假設(shè)為60.82%，而電話號(hào)碼占據(jù)的比例為32.22%，而剩下還有6.96%的數(shù)據(jù)無(wú)法被識(shí)別出來(lái)，因此我們可以推斷當(dāng)前數(shù)據(jù)為聯(lián)系方式為主。

需要注意的是，這100條記錄需要滿足隨機(jī)性，不然感知出來(lái)的結(jié)果可能會(huì)差強(qiáng)人意。

當(dāng)然，這是比較簡(jiǎn)單的1個(gè)例子。當(dāng)然我們還可以識(shí)別中文姓名、地址信息、企業(yè)名稱、工商注冊(cè)范圍、工商注冊(cè)資金等類型，這里就涉及到概率論及統(tǒng)計(jì)學(xué)的一些內(nèi)容了。

當(dāng)然，還會(huì)涉及到一些線性代數(shù)的內(nèi)容，比如貝葉斯網(wǎng)絡(luò)轉(zhuǎn)移矩陣的使用，會(huì)用到矩陣的相關(guān)知識(shí)。

?

數(shù)據(jù)感知技術(shù)的用途

一般情況下，數(shù)據(jù)質(zhì)量管理系統(tǒng)都是基于規(guī)則庫(kù)進(jìn)行開展工作的，而對(duì)每組數(shù)據(jù)進(jìn)行規(guī)則的配置是1個(gè)繁瑣且耗時(shí)的工作，基本上沒有人愿意進(jìn)行這種工作。

而此時(shí)，通過(guò)數(shù)據(jù)感知技術(shù)，我們可以自動(dòng)的感知規(guī)則，并為每組數(shù)據(jù)推薦最適合的規(guī)則，從而簡(jiǎn)化人員的工作量，提高效率。

另外通過(guò)數(shù)據(jù)感知技術(shù)，還可以找到數(shù)據(jù)庫(kù)其他類似的類型的數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)性的關(guān)聯(lián)，彌補(bǔ)一些認(rèn)知上的缺陷。

?

總結(jié)

實(shí)際上，數(shù)據(jù)感知只是數(shù)據(jù)質(zhì)量管理中的1個(gè)很小的環(huán)節(jié)，通過(guò)這種自動(dòng)化的技術(shù)，可以節(jié)省人工的成本及提高效率。