无论是任何行业或者何种背景下的企业，在步入信息化数字化阶段后，都会面临数据质量问题。没有一个组织拥有完美的业务流程、完美的技术流程或完美的数据管理实践，所有组织都会遇到与数据质量相关的问题。相比那些不开展数据质量管理的组织，实施正式数据质量管理的组织碰到的问题会更少。如何确保自己企业的数据质量比较高，或者是逐步提高。一个很重要的保障措施就是颁布管理制度。数据质量管理制度需要包含数据质量管理办法，数据质量管理规范，数据质量绩效考核方面的内容。
值得大家注意的是，管理制度搭建的过程中，有时很难区分管理办法、操作规范之间的关系。
管理办法是指对于某一流程作业或者行为进行定性规定制定文件，大部分属于对组织内约定俗成的定义、原则、管理范围、管理职责等的正式文件。因为一些具体的管理要求，会经常变化一般不包含在管理版中。管理办法相对笼统。
而操作规范是指按照管理办法的要求提出具体可落地、可执行的实施措施，一般称为XX操作细则，或XX实施细则。所以一定是很具体明确的说名了管理操作的要求。
例如：我们在管理办法中可以强调数据的及时性，但是在具体的操作规范中针对具体数据需要明确、量化及时性这一指标概念。如：获取数据后X个工作日内录入数据，发生变更时X个工作日内完成数据更新等。
细分来讲，数据质量管理制度应该由以下几个关键部分组成：
1）员工数据质量综合得分：以该员工录入维护的相关数据质量项为范围，以数据质量检查项的单条数据质量规则为检查单元，先计算正确记录数占比作为该条数据质量规则对应的得分，再加权计算该数据项的所有数据质量规则得分作为该数据项的得分，最后取所有数据项得分的平均值作为员工的数据质量综合得分，计算过程及计算公式如下：
数据质量规则得分=(1-数据质量规则检查的问题数/数据质量规则检查的总数)*100
数据质量规则的得分表（示例）
备注：n 为数据项的数据质量规则总数。
数据项的得分表（示例）
备注：n 为员工的数据项总数。
员工的得分表（示例）
2）团队数据质量综合得分：以该团队的全体成员为范围，统计每个团队的数据质量综合得分，取所有项目得分的平均值作为该团队的综合得分，计算公式如下：
备注：n 为数据对象总数。
区域的得分表（示例）
统计各团队的综合得分，并根据各团队的综合得分从高到低进行排名，由数据管理团队负责人进行有效奖惩排名。如果对数据质量评价结果有意见，可向数据管理团队提出。
团队数据质量综合评价表（示例）
五、附则-数据质量衡量维度
在DAMA体系中，数据质量维度是指数据的某个可测量的特性。国际上较为成熟的框架包括：Strong-Wang 框架、Redman的“可表示的三元组”还有Larry Englist的固有特征和实用特征。各个企业公司可以根据自身的业务场景、管控要求选择不同的质量维度框架，本篇文章只针对DAMA UK提出的六个核心维度进行阐述解释：
企业数据质量管理体系的搭建并非一朝一夕的事情，本文只是针对管理制度的目录编写进行了详细阐述。如何针对管理制度进行组织保障、资金项目保障、人力保障等措施在后续章节会再详细讲到。
