数据质量：当错误数据最终导致糟糕的服务时

由于地址错误而未送达的通知。某人在两份市政登记册中重复出现。由于分类错误而难以查找的文件。被列为资产但长期未使用的设备。两份报告中的经济数据不一致。

这些情况在行政管理中时有发生。它们不会引起公众关注，也不一定会对市民造成影响，通常只需市政工作人员付出人工努力、打电话、核查，并凭借丰富的经验就能解决。

但它们都有一个共同点：背后都存在数据质量问题。

在之前的文章中，我们讨论了数据治理的必要性、有效管理数据的重要性、了解我们拥有哪些数据以及如何使用元数据对其进行描述。下一步同样重要：确保这些数据足够可靠，能够满足我们预期的用途。

不正确的数据不仅仅是数据库中的错误，最终还会导致公共服务质量下降。

数据质量意味着什么？

我们谈论数据质量时，指的不是绝对完美，而是更实际的问题：数据是否适合市议会需要使用的用途。

一条数据可能足以用于内部指示用途，但不足以发布正式通知、提供援助、在市政网站上发布信息或建立管理指标。

例如，一个大致书写的地址可能有助于市政部门的某个人确定一个区域，但未必有用。 vàlid发送电子或邮寄通知。活动清单可用于制定内部议程，但如果未及时更新，向公众发布时可能会造成混乱。设施清单看似正确，但如果未注明管理方、服务内容或开放状态，则对规划工作可能作用不大。

因此，高质量数据是指…… 正确、完整、最新、连贯、易懂、独特 需要的时候，而且 有帮助 就其预期用途而言。简而言之：好的数据是指我们可以信赖并能帮助我们更好地工作的数据。

数据质量不仅仅是一个技术问题。

在市议会中，人们普遍认为数据质量取决于计算机程序或数据提供商。的确，工具可以发挥很大作用：它们可以验证字段、避免重复、规范格式或生成警告。但数据质量并非仅仅是技术的责任。

从人们输入、修改、解读或重复使用信息的那一刻起，质量就开始体现。这会影响到人口普查、登记、秘书处、干预措施、城市规划、社会服务、市民服务、文化、体育、地方警察、档案馆、文件管理以及任何其他市政服务。

如果每个服务都使用不同的标准记录信息，如果不清楚谁应该更新数据，如果没有人审查反复出现的错误，或者如果含义没有记录在案，那么单靠技术是无法解决问题的。

数据质量是一项共同的、可实现的、切实可行的、适度的责任。

常见的错误最终会浪费时间和信任。

数据质量问题往往以非常具体的形式出现。

可能有相关数据。 重复项同一个人、公司、实体或设施被多次注册。
可能有相关数据。 未完成缺少重要字段，例如地址、标识符、日期、状态或分类。
可能有相关数据。 过时的当时的信息是正确的，但现在已经不再反映现实。
可能有相关数据。 语无伦次两个市政系统包含关于同一要素的不同信息。
可能有相关数据。 难以理解：只有特定人员才能理解的代码、缩写或字段。
可能有相关数据。 分类错误不符合通用标准的文件、文档、活动或事件。
可能存在数据 无法追踪我们不知道它们来自哪里，是谁修改的，也不知道它们是什么时候更新的。

这些问题会带来后果。它们浪费时间、滋生不信任、使内部协调变得困难、使问题复杂化。 transparència 并可能直接影响公民。

当数据质量影响公共服务时

数据质量并非无关紧要的内部问题，它直接影响市议会提供服务的方式。

如果数据联系它们不正确或未被采纳，与公民的沟通失败。
如果数据文件信息不充分，处理时间增加。
如果一个人的数据是 重复项护理或援助管理方面可能存在错误。
如果数据设备信息未及时更新，可能会提供有关时间表、服务或可用性的错误信息。
如果数据 采购、补贴或预算 缺乏连贯性，使得有效管理和问责更加困难。
如果数据领土如果协调不协调，城市行动、维护或服务的规划就会变得更加复杂。

民众看不到“数据问题”，他们看到的是收不到的通知、耗时过长的流程、内部协调不足、信息相互矛盾，或者服务响应不够及时。因此，提高数据质量就是提高公共服务质量。

并非所有数据都需要相同水平的质量。

市议会不可能对所有数据都给予同等的重视程度，也不应该这样做。关键在于分清轻重缓急。有些数据更为关键，因为它关系到公民权利、基本程序、法律义务、敏感服务或重要决策。这些数据必须得到更严格的审查。

例如，人口数据、经济数据、与社会服务相关的数据、行政档案数据、通知数据或为以下目的所必需的数据： transparència 与其他用于内部或参考用途的数据相比，可能需要更多的保证。

数据质量必须根据风险和公共价值标准进行管理。

这意味着要问自己一些简单的问题：

我们使用最多的数据是什么？
哪些数据最容易出错？
哪些数据对公民的影响最为直接？
做出决策需要哪些数据？
我们与其他政府部门共享哪些数据？
哪些数据如果出错会造成最大影响？

这些问题有助于决定从哪里开始。

从哪里开始呢？

无需大型项目或复杂工具，即可通过以下步骤开始提高数据质量：

找出两到三项容易引发常见问题的数据。例如：地址缺乏标准化、人员、设备、文件、活动、事件或联系方式重复。
与每天处理这些数据的人员交谈。他们知道哪里有错误，哪些字段是空白的，哪些标准不明确，以及哪些检查是手动进行的。
就基本标准达成一致。例如，地址的书写方式、哪些字段是必填项、如何识别实体、谁可以修改数据以及何时需要审核信息。
定期检查。不必等到出现严重问题才采取行动。您可以定期检查重复项、空字段、过时数据或不一致之处。
将标准记录下来。编写一份简短的指南、数据表或内部说明可以避免许多未来的错误。

这些措施虽然简单，但效果显著：它们可以减少依赖性，提高信任度，并使信息对每个人都更有用。

质量始于分析之前

越来越多的市政厅希望拥有指标、仪表盘、开放数据或人工智能工具。

这是一个好方向，但我们必须牢记一个基本理念：如果数据本身不可靠，那么结果也不会可靠。

基于不完整数据构建的指标可能导致错误的决策。
数据过时的仪表盘会给人一种虚假的控制感。
如果人工智能工具输入的是错误分类的数据，就会放大误差或偏差。

因此，数据质量并非事后才考虑的因素，也不是最终审核环节。 这是产生可靠知识的先决条件。.

在问自己想要什么指标之前，我们需要先问问自己，提供该指标的数据是否足够好。

与库存和元数据的关系

数据质量与前几篇文章中分享的步骤密切相关。

库存清单可以帮助我们了解我们拥有哪些数据。
元数据有助于了解它的含义、维护者、位置、更新频率以及局限性。
质量可以帮助我们判断这些数据是否足以满足我们想要的使用需求。

它们是三个相互连接的部件。

如果我们不知道自己有哪些数据，就无法进行审查。
如果我们不知道它们的含义或谁负责，我们就无法正确地纠正它们。
如果我们不知道要用它们做什么，就无法决定它们需要达到什么质量水平。

因此，数据治理模型必须将库存、元数据和质量整合到同一流程中。

智慧地方政府网络的作用

智慧地方政府网络旨在通过其工作组创造价值，帮助构建一个适用于地方政府的通用数据治理模型。该模型必须简洁实用，并能适应地方政府机构的多样性。

在质量方面，该网络希望建立共同的标准，确定哪些数据是优先事项，需要应用哪些最低控制措施，哪些质量指标可能有用，以及如何发现常见问题。

它还希望帮助定义共同的责任模型：谁来验证数据，谁来维护数据，谁来检测事件，谁来解决问题，以及谁来决定数据是否适合特定用途。

更好的数据，更好的服务

数据质量看似是内部问题，但它对公民有直接影响。

数据质量越高，流程就越灵活，通知就越可靠，报告就越有用，服务规划得就越好。 transparència 更容易理解。

提高数据质量并不意味着要追求完美，而是要开始减少那些对市政运营和公共服务影响最大的错误。

关键不在于拥有数据，而在于能否信任数据。

因为只有数据可靠，市议会才能做出更好的决策。而当市议会做出更好的决策时，市民就能享受到更好的服务。

数据质量：当不正确的数据最终导致服务质量下降时。