数据质量标准（完整性、唯一性、有效性、一致性、正确性）；
数据质量针对具体的数据内容，进行数据内容进行系统检查；
2、业务层面：
数据质量关键对象（CTQ）：业务上最重要的部分对应的数据；
对已发现的问题进行访谈调查，
数据剖析：
数据概要分析，对数据源表中值进行系统化的预先分析，可以帮助发现业务的实际规律，从而补充考核规则；
3、业务+技术
业务规则（BR：Bussiness Rule）：
转换成SQL或应用程序进行检查；
数据质量的测定
制定BR后，进行加权和错误对象统计，计算当前数据质量指数；
4、数据质量管理流程
制定数据质量标准：制定数据质量指标（DQI）->CTQ选定（CTQ候补选定->CTQ重要度量指标->CTQ扩张）->业务领域选定（系统信息设定->元数据信息搜取）
数据剖析：数据剖析对象选定->文件设置（字段、关系、模型、日期、编码、有效值分析）
BR选定：CTQ应用对象字段分析->按字段导出BR->BR扩展
数据质量诊断：BR测定及质量诊断->配置分析
改善、清洗：错误原因分析->制定改善、清洗计划->数据清洗，之后再进行诊断；
5、系统级数据质量管理流程示例
逆向数据建模（依托当前数据库）->数据标准化->构建当前数据架构（当前数据分析）->构建目标数据架构（参照已有经验模型及企业数据标准，生成目标模型）->BR导出及质量检查模块生成->ETL数据迁移->抽取错误数据->数据清洗（循环）
6、数据质量管理系统（DQMS）
标准管理->数据剖析->数据架构质量->分析及评估->质量检验
7、数据质量工具和ETL工具结合