数据质量是指在业务环境下，数据符合数据消费者的使用目的，能满足业务场景具体需求的程度。 数据质量必须是可测量的，能够转化为可理解、可重复的数字。
数据质量评价涉及多个维度，包括准确性、完整性、一致性、时效性等。 数据质量是实施可靠的业务运营、分析和AI的基础，高质量数据支持企业制定有效决策。 数据质量管理是通过计划、实施和控制活动，运用质量管理技术度量、评估、改进和保证数据的恰当使用。 数据质量管理在不同行业有典型应用，例如在银行业用于欺诈检测和风险评估，在零售业用于客户细分和个性化体验。
数据质量问题早在1957年就有人提出“垃圾进垃圾出”的警示。 数据质量概念的提出最早可以追溯到1958年。 1988年，麻省理工学院启动全面数据质量管理计划，系统化梳理了数据质量管理框架。 2001年，美国公布《数据质量法案》。2018年，中国银行保险监督管理委员会发布《银行业金融机构数据治理指引》。 中国正在积极推进ISO 8000系列标准的转化工作。 2026年3月，全国政协委员贺晗建议为加速物理AI在实体经济中的规模化落地，应尽快确立包括数据质量在内的关键标准。
想要了解更多“数据质量”的信息，请点击：数据质量百科
