数据质量管理贯穿数据生命周期的全过程，除了明确数据质量管理的策略，还要善于使用数据质量管理的手段及工具，覆盖数据质量需求、数据探查、数据诊断、质量评估、数据监控、数据清洗、质量提升等方面。数据源在不断增多，数据量在不断加大，新需求推动的新技术也不断诞生，这些都给工业大数据质量管理带来了困难和挑战。因此，基于数据质量管理框架的数据质量管理方法，应包含事前计划（数据质量需求）、事中检测（数据质量检查和数据质量分析）、事后评估及处理提升（数据质量提升和数据质量评估）4个阶段。随着AI技术的兴起，数据质量管理技术和AI技术开始融合，使得数据质量管理开始向“智能化”转变。
1）课程目标：
了解数据资产质量相关术语、定义、内涵，以及在数据治理各个域的关系；了解数据数据质量管理框架重点及难点；获得数据质量工具相关知识；数据质量项目案例。
2）课程内容：
数据质量管理面临挑战与发展趋势，数据质量管理框架体系及方法、数据质量工具及实施难点、数据质量管理项目建案例及相关启示。
3）课程提纲：
1、数据质量面临挑战与发展趋势
1.1术语与重要概念理解
1.2数据质量问题
1.3导致数据质量问题的原因
2、数据质量管理框架体系及方法
2.1数据质量管理框架体系
2.2数据质量管理方法
2.3数据质量与其他域相关关系
3、数据质量工具及质量评估
3.1数据质量工具
3.2数据质量评价方法
4、数据质量管理项目案例及相关启示
授课老师
蔡春久 原腾讯首席数据架构师、技术总监
常驻地：北京
邀请老师授课：13439064501 陈助理
