分享到:

准确把握四个“度” 奋力推进“三个提高”

国家统计局局长马建堂在今年全国统计工作会议上的讲话,着重强调了要奋力实现统计能力、数据质量和政府公信力的新提高。对此,河南调查总队领导班子高度重视,认真学习,深刻领会,全面贯彻。在奋力推进“三个提高”的进程中,将“比学习、比工作、比质量、比效能、比纪律”争先创优活动贯彻始终,着重把握好四个“度”。$$   加强领导要有“高度”。“三个提高”不仅是业务问题,同时也是实践问题,具有很强的针对性和现实指导性。今年以来,河南调查总队在各种会议上多次强调“三个提高”的重要意义,要求各项工作围绕“三个提高”来谋划和布局,从技术、制度、领导保障等多个方面入手,确保“三个提高”取得实实在在的成效。河南调查总队明文规定,各级调查队主要领导要对数据质量承担第一责任人的职责,对于数据严重失实并造成严重后果的,对该单位“一把手”实行“一票否决制”。目前,在河南调查系统各级领导班子内部,已经形成了“抓好‘三个提高’是本职、不抓‘三个提高’是失职...  (本文共1页) 阅读全文>>

《情报学报》2019年02期
情报学报

国内外大数据质量研究述评

1引言伴随移动互联网、智能硬件和物联网的快速普及,人、机、物三元世界高度融合引发数据规模爆炸式增长和数据模式高度复杂化[1]。从3V[2]到4V[3]、5V[4],社会各界对大数据基本概念还没有达成共识,但大数据所蕴含的巨大价值却得到广泛认可。“大数据重要的不是数据,而是如何使用数据”[5],大数据核心价值的挖掘与利用是建立于准确、全面、高质量数据基础之上的。大数据质量管理是大数据战略的基础[6]。陆宗本院士指出,大数据特点导致数据质量保障难度加大。数据质量较低不但会降低决策质量,更会带来难以估量的灾难性损失,保障和提升大数据质量迫在眉睫[7]。汪应洛院士等[8]更明确提出,大数据质量是大数据研究的前提,是一切数据分析、挖掘、决策支持的基础。而大数据所呈现出的非结构化特点、数据来源新方式及用户对数据质量期望和感知变化等对数据质量研究提出了新的挑战[9]。近年来,大数据计算思想和方法的广泛传播对许多学科产生了深远影响[10-11]...  (本文共10页) 阅读全文>>

《农业发展与金融》2019年05期
农业发展与金融

提升数据质量的方法和路径

随着外部监管要求的提升以及农发行自身精细化管理和全面风险管理的需要,农发行数据质量提升面临更高要求。2018年5月21日,中国银保监会正式发布《银行业金融机构数据治理指引》,强调银行业金融机构要加强数据治理,提高数据质量,充分发挥数据价值,提升经营管理水平,全面向高质量发展转变。农发行作为政策性银行,也长期饱受数据质量困扰,随着外部监管要求的提升以及农发行自身精细化管理和全面风险管理的需要,农发行数据质量提升面临更高要求。一、银行业数据质量的概念、内涵和现状(一)数据质量的概念。银行业数据质量是指数据满足银行业务运行、管理与决策的程度。数据质量管理从完整性、准确性、一致性、及时性和适当性五个维度对数据进行准确度量,形成量化管理,发现问题、解决问题,并杜绝问题再次发生,形成数据质量问题的闭环管理,实现事前防范、事中监控、事后处理的全面质量管控。(二)数据质量问题产生的根源。进入21世纪以来,现代信息技术加速与银行业渗透融合,金融科...  (本文共4页) 阅读全文>>

《机电信息》2019年26期
机电信息

基于相关性的发电机组数据质量研究分析

0引言在机组的长期运行中,经常会出现主要辅机故障或停机检修、煤质变化造成制粉系统已达最大出力、制粉系统启停机等情况,造成中长期机组备用容量呈现阶跃特征。同时,这些因素的改变均会影响发电厂负荷调节能力预测的准确性与可靠性。因此,需要收集当前时间机组、电厂与发电相关的信息,例如该电厂总燃料量、总给水量、总风量、汽机流量、分离器温度、主汽压力等相关数据,提供以秒为时间单位的发电厂远期可调负荷,为调度运行日计划安排提供依据。发电机设备的信息状态出现信息来源渠道多、数量巨大、属性复杂等特点,其中获取的数据通常是不正确、不完整、有噪声和不一致的。原始信息量的数据质量通常不能为后续状态评价模型提供相应的使用要求。因此,在诊断分析故障和故障状态评估之前使用相关性分析技术必不可少,数据分析方法通过使用填充缺少的缺失值、平滑获取的噪声数据和识别相应的离群点,提高数据质量,提升数据挖掘过程的准确率和效率。1数据质量分析标准数据质量分析是指进行数据接入...  (本文共2页) 阅读全文>>

《重庆理工大学学报(自然科学)》2019年08期
重庆理工大学学报(自然科学)

高校数据治理中提升数据质量的方法研究

随着IT时代向DT时代的转变,数据变得越来越重要,随之而来的数据质量问题也被越来越多的人关注。数据质量来源于数据产生的过程,其优劣将直接影响数据价值的高低,进而影响管理者的分析和决策。数据质量问题的出现催生了数据治理技术,数据作为一种资产在数据治理工作中得到进一步的深化[1]。数据治理是对数据全生命周期管理的组织行为,其主要目标是利用数据解决问题、创造新的价值,避免数据重复采集、数出多头、数据不准等情况,解决数据质量的根本问题,并通过提升数据质量保证数据的高可用性[2-4]。国际数据管理协会(DAMA Internation)总结了数据管理的十大功能,把数据治理放在十大功能的核心位置,并指出每个数据管理的职能都有助于提升数据的质量[5]。2018年6月,国家市场监督管理总局和国家标准化管理委员会批准《信息技术服务治理第5部分:数据治理规范》(简称《规范》)国家标准发布实施,实施日期为2019年1月1日。该《规范》是在数据治理国际...  (本文共8页) 阅读全文>>

《农业图书情报》2019年07期
农业图书情报

数据质量研究述评:比较视角

引用本文:孙俐丽,袁勤俭.数据质量研究述评:比较视角[J].农业图书情报,2019,31(7):4-13.随着信息技术和信息系统的广泛应用,各领域都积累了大量数据。然而,由于数据质量不高导致数据不能被有效利用,出现“数据丰富,信息贫瘠”的现象,尤其是近年来随着云计算和大数据技术的发展,数据体量和数据复杂度的上升,使得这一矛盾更加凸显,数据质量成为理论与实践关注的焦点。关于数据质量研究,国内外已经积累较为丰富的研究成果,进行系统地梳理十分必要:宋敏等从数据质量定义、质量维度识别、数据产品制造过程、质量测量和评估等方面综述了国外数据质量管理研究进展[1];韩京宇等对当前各种提高数据质量的技术方法进行比较和评述[2];王宏志依据大数据质量问题的技术解决方法对数据质量管理研究进行综述[3]。张新兴从科学数据的管理政策、管理调查、管理活动、数据服务、数据管理教育等方面对国内外高校科学数据管理研究成果进行述评[4]。张宁等从数据质量模型、方...  (本文共10页) 阅读全文>>