【正版授權(quán)-英語(yǔ)版】 ISO/IEC 5259-5:2025 EN Artificial intelligence - Data quality for analytics and machine learning (ML) - Part 5: Data quality governance framework

數(shù)據(jù)質(zhì)量治理框架是用于管理和監(jiān)控?cái)?shù)據(jù)質(zhì)量的重要工具。它涵蓋了數(shù)據(jù)生命周期的各個(gè)階段，包括數(shù)據(jù)收集、存儲(chǔ)、處理、使用和銷毀等。數(shù)據(jù)質(zhì)量治理框架的主要目標(biāo)是確保數(shù)據(jù)的準(zhǔn)確性和一致性，從而為分析和機(jī)器學(xué)習(xí)（ML）提供可靠的基礎(chǔ)。

框架的主要組成部分包括：

1.數(shù)據(jù)質(zhì)量策略：定義組織對(duì)數(shù)據(jù)質(zhì)量的要求和期望，包括數(shù)據(jù)的關(guān)鍵質(zhì)量屬性，如準(zhǔn)確性、完整性、一致性和有效性。

2.數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)：規(guī)定了數(shù)據(jù)應(yīng)符合的質(zhì)量要求，包括數(shù)據(jù)的類型、格式、精度、粒度等。

3.數(shù)據(jù)質(zhì)量監(jiān)測(cè)：通過(guò)定期的數(shù)據(jù)質(zhì)量審計(jì)和監(jiān)控來(lái)識(shí)別和修復(fù)數(shù)據(jù)質(zhì)量問(wèn)題。

4.數(shù)據(jù)質(zhì)量評(píng)估：通過(guò)使用數(shù)據(jù)質(zhì)量指標(biāo)和度量標(biāo)準(zhǔn)來(lái)評(píng)估數(shù)據(jù)的質(zhì)量，包括人工和自動(dòng)評(píng)估。

5.數(shù)據(jù)質(zhì)量反饋循環(huán)：收集和分析數(shù)據(jù)質(zhì)量的反饋信息，以調(diào)整和優(yōu)化數(shù)據(jù)質(zhì)量策略和標(biāo)準(zhǔn)，實(shí)現(xiàn)持續(xù)改進(jìn)。

6.數(shù)據(jù)質(zhì)量文檔和記錄：對(duì)數(shù)據(jù)質(zhì)量的評(píng)估結(jié)果、監(jiān)測(cè)結(jié)果和反饋信息進(jìn)行記錄和歸檔，為組織的數(shù)據(jù)質(zhì)量管理提供歷史參考和證據(jù)。

在實(shí)施數(shù)據(jù)質(zhì)量治理框架時(shí)，組織需要考慮以下幾點(diǎn)：

1.建立跨部門(mén)的數(shù)據(jù)質(zhì)量管理團(tuán)隊(duì)，負(fù)責(zé)制定和實(shí)施數(shù)據(jù)質(zhì)量策略和標(biāo)準(zhǔn)。

2.確保數(shù)據(jù)質(zhì)量管理與業(yè)務(wù)需求和目標(biāo)保持一致，以確保數(shù)據(jù)的可用性和有效性。

3.定期培訓(xùn)數(shù)據(jù)管理人員和技術(shù)人員，提高他們對(duì)數(shù)據(jù)質(zhì)量的認(rèn)識(shí)和技能水平。

4.建立有效的數(shù)據(jù)質(zhì)量管理流程和工具，以提高數(shù)據(jù)質(zhì)量和效率。

ISO/IEC5259-5:2025ENArtificialintelligence-Dataqualityforanalyticsandmachinelearning(ML)-Part5:Dataqualitygovernanceframework提供了用于管理和監(jiān)控?cái)?shù)據(jù)質(zhì)量的綜合框架，以確保數(shù)據(jù)的準(zhǔn)確性和一致性，為分析和機(jī)器學(xué)習(xí)提供可靠的基礎(chǔ)。