质量大数据 VS 大数据质量

质量大数据：

数据统计分析是企业质量管理工作的基础，例如传统上对产品缺陷的数据统计，就有助于反馈给生产过程，调整过程参数，提高过程质量。但随着信息化的提高，越来越多类型和领域的数据被视为质量管理的数据源：机器运行状态、生产工艺技术、工序关键参数、原材料的质量状况、工人操作记录、温度和湿度、计算机视觉下产成品的表面缺陷、智能客服反馈的问题、销售终端对质量缺陷的人工汇总......这些信息都是企业质量控制的宝贵财富。

可是这些数据来源广泛，既有结构化数据、也有非结构化数据；可能是设备的日志信息，也可能是传感器数据、也可能是供应商的通讯电文......数据的多样化和复杂化，在连续采集、高速存储、有效整合、实时分析、多维度呈现等各方面，都不是简单的数据统计分析所能解决。

质量管理大数据，能否将企业的质量管理工作覆盖面延伸得更广泛？能否通过大数据分析，产生更有价值的质量诊断依据？又能否预警更为潜在的质量隐患呢？

大数据质量：

大数据的质量管理(Data Quality Management)，关注的是数据本身的质量问题。数据质量的高低，影响着数据分析的效用，影响着数据价值的发挥。

如同其它领域的质量管理工作一样，大数据质量也应纳入PDCA循环，通过计划-执行-检查-处理4个步骤：识别数据质量问题，订立数据质量测量指标，制定数据质量管理流程，监控与评估数据的生产过程，评估和改进数据工作流。

大数据的质量管理不仅是去理清混乱的数据分类，不仅是整合不同结构的数据，也不仅是打通不同的数据孤岛，而是利用持续改进的思维模式，通过流程化管理，将数据的收集、处理、分析、整合进行过程控制，以便让大数据最终能符合(质量)目标，发挥最大的业务价值。

所以，最为关键，也是最为基础的一点是，企业需要树立“大数据质量观”。