# 什么是数据质量？数据质量的问题是怎么来的？

**来源**: 上海维驰数码科技有限公司 (https://www.weichikeji.cn)
**分类**: 资讯
**发布日期**: 2026-09-09

---

![图片](/img/i20260909032210911@orig.jpeg)

从“数据准不准”追溯到“数据是怎样被生产出来的”数据质量，是数据治理中最常被讨论的问题之一。

但在很多实际项目中，数据质量又往往是一个被过度简化的问题。人们一提到数据质量，首先想到的通常是空值、重复值、错误值、格式异常，进一步再想到准确性、完整性、一致性、及时性等质量指标。

于是，数据质量治理也很容易被理解成一套技术动作：配置质量规则、扫描数据库、发现异常、形成问题清单，再推动相关部门整改。

这些工作当然有必要，但它们主要解决的是一个问题：数据出了问题以后，怎么把问题找出来。

真正更值得追问的是另外两个问题：什么样的数据，才算真正的高质量数据？以及，这些数据质量问题，究竟是怎么产生的？

只有把这两个问题解释清楚，才能进一步理解为什么很多企业的数据质量治理反复开展，数据问题却依然不断出现。

## 一、数据质量首先要回答：数据有没有正确表达业务事实

理解数据质量之前，首先要理解数据是怎么来的。

企业中的数据并不是天然存在的。客户、企业、人员、设备、项目、订单、合同、监测点、污染源，这些首先都是现实业务世界中的对象。业务活动发生以后，对象的属性、状态、行为和关系，才通过人工录入、设备采集、业务系统记录、接口交换等方式被转化为数据。

因此，数据本质上承担的是一种表达功能：用数字世界中的记录，表达现实世界中的业务事实。从这个角度看，判断数据质量的第一层标准，并不是数据库字段是否合法，而是：数据有没有正确表达它所对应的业务对象和业务事实。

例如，一台设备实际上已经停运，但系统中仍然显示“运行中”。从技术角度看，这个字段不为空，数据类型正确，编码也符合系统要求，但它依然是一条错误数据。

再比如，一家企业已经完成名称变更，但不同业务系统分别保存着旧名称和新名称。单独看每个系统，数据都可能没有明显问题，但在企业级汇总、关联和统计时，就会出现冲突。

所以，我们通常所说的准确性、完整性、一致性、及时性、唯一性等指标，本质上都在从不同角度回答同一个问题：数据是否真实、完整、稳定地表达了业务事实。

这是理解数据质量的第一层。

## 二、但“数据正确”并不等于“数据可用”

如果数据只是为了存储，那么“与事实一致”可能已经足够。

但企业生产数据的最终目的并不是把数据存起来，而是要使用这些数据。一份数据可能用于经营分析，也可能用于监管报送、风险判断、业务协同、模型训练或者智能体执行任务。不同的应用任务，对数据的要求并不相同。

例如，一个企业地址只记录到“上海市浦东新区”。如果只是用于分析客户在不同区县的分布，这样的数据可能已经足够；但如果要进一步进行园区级空间分析、精准配送或者环境风险定位，这样的数据粒度就明显不够。

再比如，一个设备故障时间只记录到某一天。对于年度故障次数统计而言，这可能没有问题；但如果要进一步分析故障发生前后的运行状态，或者建立预测性维护模型，这样的时间精度就无法满足要求。

因此，数据质量不是一个完全脱离使用场景的绝对概念。同一份数据，在一个任务中可能是高质量的，在另一个任务中却可能是不够用的。

于是，对数据质量的理解需要再向前一步：数据质量，不仅是数据对业务事实的正确表达程度，也是数据满足特定应用任务要求的程度。

这实际上形成了两个判断基准。第一个基准来自业务事实：它是不是真的？第二个基准来自应用任务：它够不够用？只有同时回答这两个问题，才能真正判断一份数据的质量。

![图片](/img/imttj77ptqd)
*图片*

## 三、我们平时看到的“数据问题”，大多数只是问题的表现

有了前面的定义，再来看企业中常见的数据质量问题，就会发现一个很有意思的现象。

我们平时看到的质量问题通常是：数据为空、数据重复、数值异常、字段冲突、指标对不上、关联不上、更新不及时、不同系统统计结果不一致。

这些问题非常具体，也很容易被发现。但它们往往只是结果。

例如，两个部门的客户数量统计不一致。最直接的处理方法，可能是把两个报表拿出来逐条核对。但继续往前追，会发现两个部门使用的“客户”定义可能并不相同。一个部门把所有注册用户都计算为客户，另一个部门只有在产生正式交易以后才认定为客户。

这时候真正的问题就不再是报表数字不同，而是：两个部门从一开始统计的就不是同一个业务对象。

所以，数据异常和数据质量问题的根因，并不是一回事。空值、重复、冲突、异常，只是问题最终表现出来的状态。

如果只围绕这些现象治理，就很容易陷入一种模式：发现什么问题，就修什么数据。结果问题解决了一批，过一段时间又会重新产生。

要真正解决数据质量问题，就必须继续向前追：这些问题究竟是在什么地方产生的？

![图片](/img/imttj792koo)
*图片*

## 四、第一类问题：业务事实没有被正确记录

最直接的一类数据质量问题，发生在数据刚刚产生的时候。现实中的业务事实是明确的，但在进入信息系统时发生了偏差。

例如，业务人员录错了企业名称；设备传感器发生异常；应该填写的信息没有填写；业务状态已经变化，但系统中的状态没有及时更新；为了快速完成流程，操作人员选择了一个并不准确的默认值。

这种情况下，问题非常清楚：现实事实本身没有问题，但从现实世界映射到数据世界的时候发生了失真。

这是最典型的数据质量问题。但它同时揭示出一个非常重要的事实：很多所谓的数据问题，首先并不是数据部门的问题，而是业务过程的问题。

如果业务操作过程没有形成有效约束，那么错误数据从产生的一开始就已经进入了系统。后续再先进的数据质量工具，也只能发现已经发生的问题。

因此，数据质量控制的起点，实际上要前移到业务数据产生的过程。

## 五、第二类问题：连“记录什么”都没有定义清楚

比录入错误更难治理的，是另外一类问题：数据没有录错，但大家对于“这到底是什么”没有形成一致认识。

例如，什么叫客户？注册用户是不是客户？发生过交易才算客户，还是形成有效商机就算客户？集团公司和下属子公司，是一个客户还是多个客户？什么叫有效设备？什么叫在运项目？什么叫重点企业？

这些问题看起来不像传统意义上的数据质量问题，但实际上，它们恰恰是很多企业数据冲突的源头。

如果业务对象本身没有被清晰定义，不同部门就会按照各自的业务逻辑建立数据。于是就会出现一种非常典型的情况：每个部门单独看都有道理，放在企业整体视角下却互相冲突。

此时，问题已经不是某一个字段的值错误，而是业务对象和业务语义没有统一。其形成路径往往是：对象定义不一致 →数据采集口径不一致 → 系统记录不一致 → 汇总统计不一致 → 最终形成质量问题。

这也是为什么真正的数据质量治理，不能只从数据库开始。在很多情况下，必须首先回到更上游的问题：这个对象究竟是什么？

只有这个问题被明确以后，才有可能继续回答：这个数据到底对不对？

![图片](/img/imttj79wc16)
*图片*

## 六、第三类问题：原始数据是对的，但加工以后错了

即使对象已经定义清楚，数据采集也完全正确，问题依然可能产生。因为数据进入系统以后，还会经历大量加工。字段转换、格式转换、编码映射、单位换算、数据关联、指标计算、标签生成、主数据匹配、聚合统计，这些过程本质上都在重新生产数据。每进行一次加工，都意味着数据被重新解释一次。

如果加工规则发生偏差，新的质量问题就会产生。例如，一个系统中的金额单位是“元”，另一个系统使用“万元”；一个系统记录北京时间，另一个系统使用 UTC；同一个指标的计算规则已经改变，但历史数据没有重新计算；两个系统使用相同字段名称，但字段的真实业务含义并不相同；对象匹配规则不准确，导致同一个企业被识别成多个对象。

这类问题有一个共同特点：原始数据本身可能没有问题，但数据生产规则出现了问题。

所以，数据质量并不仅仅取决于数据值。它还取决于：数据按照什么规则被加工出来。

这也是为什么数据标准、元数据、加工规则和数据质量实际上是一套连续的问题。如果规则不可管理，数据质量就很难稳定。

## 七、第四类问题：数据还在，但业务语义已经丢了

现代企业中的数据很少只停留在最初产生它的业务系统中。

数据通常会继续流动：从业务系统进入数据仓库；从数据仓库进入主题库；从主题库进入指标平台；再进一步形成数据产品、数据集，甚至作为模型训练和智能体运行的输入。

在这个过程中，数据会不断经历字段映射、结构转换、聚合计算和重新组织。流动得越远，一个新的问题就越容易出现：数据还在，但它最初代表什么，已经越来越难说清楚。

到了下游，经常会出现这样的情况：可以看到一个字段，却不知道这个字段最早从哪里产生；可以看到一个指标，却不知道经过了哪些计算；可以拿到一份数据集，却无法判断中间发生过哪些处理；数据虽然可以使用，却没人能够完整说明为什么应该相信它。

这时候，数据值本身甚至可能没有错误。但它已经缺乏足够的可信依据。

所以，对数据质量的要求还需要进一步提高。它不仅应该回答：这个值对不对？还应该回答：这个值为什么可信？

于是，质量自然开始和数据血缘、元数据、责任关系、加工过程以及质量证据发生联系。

一个真正可信的数据，不仅要正确，还应该能够说明：它从哪里来；由谁产生；经过什么加工；按照什么规则形成；在哪些环节被验证；出了问题应该追溯到哪里。

到了这一层，数据质量已经不再只是“数据值质量”，而开始进入“数据可信性”的问题。

## 八、第五类问题：数据没有错，但业务已经变了

还有一类数据质量问题更加隐蔽。它并不是因为有人做错了什么，而是因为现实世界本身发生了变化。

企业业务会不断变化。组织结构会调整，产品会更新，业务流程会优化，政策要求会变化，系统也会不断迭代。

但数据定义、数据规则和质量规则，并不一定能够同步变化。

例如，过去某项业务只有三种状态。后来业务调整以后增加到了五种状态，但下游系统依然按照原来的三种状态进行处理。

这时候，没有人录错数据，程序也没有报错。但原来的规则已经不能正确表达新的业务现实。换句话说：过去正确的数据和规则，今天也可能变成低质量数据。

这说明数据质量还有一个非常重要的特征：它不是静态的。

数据质量必须随着业务、场景和任务的变化不断重新判断。所以，真正成熟的数据质量体系，不可能只建立一次规则就长期不变。它还必须具备反馈、调整和持续演化的能力。

![图片](/img/imttj7bazeo)
*图片*

## 九、到这里才能看清：数据质量问题究竟是怎么形成的

把前面的几类问题放在一起，会发现数据质量问题其实具有一个非常清晰的形成链条。

数据从现实业务中产生，然后不断被记录、加工、流转和使用：业务事实 → 对象定义 → 数据采集 → 系统记录 → 规则加工 → 跨系统流转 → 数据使用 → 业务反馈。

任何一个环节失去控制，都可能使数据逐渐偏离真实业务事实或者应用任务要求。

因此，企业最后看到的空值、重复值、错误值、冲突数据、异常指标，本质上只是这些过程缺陷最终沉淀到数据中的表现。

真正的因果关系应该是：数据生产过程存在缺陷 → 数据状态出现异常 → 下游应用结果出现问题。

这也是理解数据质量问题最关键的一步。因为一旦接受这个判断，就会发现：脏数据不是数据质量问题的原因，而是数据生产过程失控以后留下来的结果。

## 十、为什么很多数据质量治理总是在反复？

现在再回头看传统的数据质量治理，就很容易理解为什么很多企业会陷入反复整改。

传统做法通常是：数据已经进入数据库；然后通过质量规则发现问题；形成问题清单；再推动业务部门修改数据。

这套方法实际处理的是：生产过程已经结束以后，对不合格结果进行返工。

它当然能够解决一部分问题。但如果真正产生问题的对象定义、业务流程、采集方式、加工规则没有发生变化，那么新的问题依然会继续产生。

今天把100条错误数据改对了。明天同样的业务流程可能继续产生新的错误数据。于是，数据治理逐渐变成：发现问题—整改数据—重新发现问题—再次整改。

长期下来，数据部门大量精力被消耗在“洗数据”上。但问题源头并没有真正改变。

这和工业生产中的质量管理非常相似。如果一条生产线不断制造不合格产品，仅仅增加最终检验人员并不能真正提高生产能力。真正需要调整的，是造成不合格产品的生产过程。

![图片](/img/imttj7c8y4n)
*图片*

## 十一、数据质量治理的重点，要从“修数据”逐渐转向“控过程”

因此，真正成熟的数据质量治理，需要经历一个明显的认知变化。

最初，企业关注的是：数据对不对。再进一步，会开始关注：数据为什么不对。而真正成熟以后，要进一步回答：怎样让数据持续保持正确。

这三个问题对应着完全不同的数据质量治理阶段。

初级的数据质量治理，是发现错误。进一步的数据质量治理，是修正错误。更加成熟的数据质量治理，是找到错误产生的环节并进行控制。真正工程化的数据质量体系，则是在建立一种能够持续生产可信数据的能力。

治理重点也会随之发生变化。在对象定义阶段，明确数据到底表达什么；在数据采集阶段，明确哪些信息必须被采集；在业务操作阶段，把必要校验嵌入流程；在数据加工阶段，明确并管理转换和计算规则；在数据流转阶段，保持语义、血缘和责任关系；在数据使用阶段，用真实任务检验数据是否满足要求；在发现问题以后，把问题反馈到真正产生问题的环节。

最终形成：定义 → 生产 → 校验 → 使用 → 反馈 → 修正，这样一个持续运行的闭环。

## 十二、最终要治理的，不只是数据，而是数据生产过程

沿着这一逻辑继续往前，就会得到这篇文章最重要的结论。

企业真正需要治理的，并不仅仅是数据库中已经存在的数据。真正需要治理的是：这些数据是怎样被持续生产出来的。

一条可信的数据，应该能够回答：它表达什么业务对象；依据什么标准形成；从哪里采集；经过什么加工；由谁负责；在哪些环节进行了校验；当前质量状态如何；是否能够进入下一道数据生产环节；最终能够支撑什么业务和应用任务。

当这些问题逐渐变得清晰，数据就不再只是业务活动自然留下来的记录。它开始成为一种经过定义、生产、加工、控制、验证和反馈形成的工程化成果。

于是，数据质量治理的对象也随之发生改变：从数据值，走向数据问题；从数据问题，走向问题根因；从问题根因，走向生产过程；从生产过程，最终走向数据生产能力。

![图片](/img/imttj7dmzj3)
*图片*

## 结语：数据质量的最终目标，是稳定生产可信数据

所以，什么是数据质量？可以把它理解为：数据质量，是数据真实表达业务对象和业务事实，并能够满足特定应用任务要求的程度。

那么，数据质量问题又是怎么来的？它并不是简单因为数据库里面出现了“脏数据”。更准确地说：数据质量问题，是业务事实在被定义、记录、加工、流转和使用的过程中，因为对象定义不清、采集失真、加工规则失控、语义断裂或者变化不同步，使数据逐渐偏离真实业务事实和应用任务要求而形成的。

因此，数据质量治理也不应该长期停留在：发现问题、清洗数据、形成报告。它最终需要完成一个更深层次的转变：从治理错误数据，走向治理数据生产过程。

初级的数据质量治理是在发现错误。进一步的数据质量治理是在修正错误。成熟的数据质量治理是在控制错误产生的过程。而真正工程化的数据质量体系，则是在建立企业持续、稳定、可控、可追溯地生产可信数据的能力。

这才是数据质量治理真正需要达到的终点。

## END——关于我们

![图片](/img/i2026090903300081@orig.jpeg)

---

**公司全称**: 上海维驰数码科技有限公司
**品牌名**: 维驰科技
**一句话定位**: ——数据资产化服务，高质量数据集、可信数据空间、模数空间建设运营，数据价值创造，Data Agent智能体与数智化生态体系建设/运营专属全案落地实施服务的行业引领者！
**官网**: https://www.weichikeji.cn
**核心业务**: 数据资产入表 | 可信数据空间建设 | Data Agent智能体 | 企业数智化转型 | AI解决方案 | 数据安全治理

本文由上海维驰数码科技有限公司发布，如需了解更多请访问官网 https://www.weichikeji.cn