首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
[目的/意义]厘清科学数据质量控制的全部主体,探索面向科研全过程的科学数据质量控制的主体责任。[方法/过程]引入数据生命周期理论和全面质量管理理论,采用文献调研、网络调查、案例分析和归纳法,对15本科学期刊中的数据政策文本、涉及到的科学数据中心,以及国内外“数据质量”相关学术论文进行调研分析。[结果/结论]科学数据质量责任主体分为高校科研人员(机构)以及科学数据存储平台、高校图书馆、研究资助机构和专业协会、数据用户四类,各责任主体在不同阶段应承担不同的质量责任。数据质量控制的关键在于围绕各方参与主体,制定管理制度标准,优化流程环节,建立多主体协同的科学数据管理责任机制。  相似文献   

2.
从数据质量到信息质量的发展   总被引:1,自引:0,他引:1  
通过对信息质量管理领域现有相关研究文献分析基础上,总结并归类了众多对数据质量(Data Quality,DQ)与信息质量(Information Quality,IQ)的概念认识,并对二者概念进行了辨析,认为从质量管理角度看,严格意义上的数据质量应包含在信息质量的范围内。  相似文献   

3.
数据质量管理是数据管理的重要环节,本文描述了一种井数据质量成熟度闭环管理流程的框架,这个框架集成了多个商业软件(EnergyIQ,TGS,Perigon)在石油勘探开发数据管理方面的先进经验,定义了从原始数据自动采集、校验、业务工作环境应用,以及业务研究知识的回存等环节,可以有效提高数据质量成熟度。  相似文献   

4.
信息系统建设中的数据质量管理体系研究   总被引:1,自引:1,他引:1  
谷斌 《情报杂志》2007,26(5):65-67
从数据质量的概念演变入手,分析了影响信息系统数据质量的历史原因、技术水平、数据更新维护途径和数据质量监督管理措施等因素,讨论了数据质量评价指标的选择角度与评价实施步骤,阐述了全面数据质量管理的实施进程。  相似文献   

5.
气象行业日常的业务过程背后,实际就是数据的生产、传递和使用的过程。数据已经成为信息系统建设的重要组成部分和信息化过程中的重要资源,其质量管理正越来越受到关注。本文讨论了如何在数据来源增多、数据使用范围扩大的情况下,做好气象数据质量管理的标准化体系建设这一重要而迫切的问题。针对气象通信系统中数据收集、数据管理和存储以及数据应用服务等活动,讨论如何减少业务中的数据风险和不必要的数据流程,提高工作效率。参考通用的数据质量问题的定义和分类,文章分析了气象通信系统的数据质量特征,探讨数据生命流程中的数据管理的方法。  相似文献   

6.
孙俐丽  袁勤俭 《现代情报》2019,39(11):90-97
[目的/意义] 数据质量是阻碍电子商务数据价值实现的关键因素,构建电子商务数据质量评价指标体系,有助于明确电子商务数据质量优化方向。[方法/过程] 基于数据资产管理的视角提出电子商务数据质量评价指标,并采用德尔菲法对评价指标进行修正,然后运用层次分析法确定各指标权重。[结果/结论] 通过定性与定量相结合的方法构建了包含内在维度、情境维度、应用维度、资产维度4层次结构的数据质量评价指标体系,为指导电子商务数据质量管理、提升数据资产价值提供有益参考。  相似文献   

7.
基于企业信息工厂的商务智能数据管理研究   总被引:1,自引:0,他引:1  
沈振萍  谢阳群 《情报科学》2013,(3):102-106,112
随着内外部环境中数据量的激增,人们开始面对众多的数据管理问题。企业信息工厂理论提出了一种信息系统逻辑的新架构,对基于企业信息工厂的商务智能数据管理进行研究,提出了通过数据生态系统,建立数据质量管理框架,利用数据管理政策和工作流程,为商务智能决策提供高效可信的数据服务,并介绍了方案实例——数据联邦。  相似文献   

8.
文峰 《人天科学研究》2013,(11):132-134
以基于生命周期的数据质量管理框架为出发点,提出了数据组织过程中的数据质量评价模型和方法,包括数据质量维度、数据质量评价指标、数据质量综合评价模型以及数据质量评价方法等。该模块与方法对提高数据质量和加强数据运用具有重要意义。  相似文献   

9.
孟鲁洋  吴雷 《现代情报》2012,32(8):68-70
数据质量影响用户数据的整合过程与结果、数据库的应用性、商业智能开发以及商业品牌。由信息系统呈现的数据,为满足用户的需求并将其做有效的应用,基础均在于数据的质量。针对数据质量的评估方式、管理架构和评估要素,建构数据质量评价指标体系,为提高数据质量从而改善图书馆信息服务提供参考。  相似文献   

10.
随着信息化技术的发展 ,各学科越来越重视各种数据的应用 ,数据的质量问题就显得更加重要 ,数据质量的好坏直接关系到数据开发的效率和数据应用的程度。如何诊断现有数据的质量 ,是数据与信息处理领域亟待解决的问题。本文首次以资源科学研究中最常用的统计型数据为例提出了数据质量诊断的方法 ,其关键是根据各种数据序列的不同特性 ,研究其内在规律 ,确定诊断模型。然后根据诊断模型寻找不符合常规的数据点 ,对该点数据进行核实后做技术处理。该项研究为提高数据的可信度和增强数据应用程度提出了一套较为简便易行的理论方法。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号