关键词:
数据仓库
质量管理
质量屋
PDCA
摘要:
数据仓库是一个综合性的数据存储集合。建立数据仓库是现代企业管理庞大数据的技术手段之一,其重要性随着企业数据体量的增长而日益突显。特别是对于为客户提供金融数据服务的金融科技公司而言,数据仓库的质量早已构成了其服务内容的基石。随着业务领域的不断拓展和数据量的持续增长,对现有质量管理方法和手段进行定期评估与提升变得尤为关,更为重要的是如何持续改进数据仓库的质量,已成为D公司在为客户提供数据服务中必须深入探究的重要课题之一。
本论文围绕数据仓库的质量指标现状,并结合质量管理通用原理进行分析。从具体案例出发,通过系统性地整理关于数据仓库质量内容的文献资料,总结全面数据质量管理的方法;同时,论文还研究了ISO软件质量层次模型和CMMI能力成熟度模型的理论框架,以及这些模型在实际软件质量管理中的应用,为提升D公司金融数据仓库的质量管理水平提供理论支持和实践指导。
在研究过程中,本论文采用质量屋QFD质量功能展开的方法进行分析现有指标,通过文献整理和专家访谈咨询列举影响质量指标的主要因素,并利用熵权法计算指标的权重。随后,通过企业内部问卷调查,初步确定了各影响因素的重要性排序。论文还采用了决策实验室分析法DEMATEL进行影响因素重要性的二次识别,最终得出了影响因素的重要度排序。根据影响因素的分类,论文将关键环节与CMMI能力成熟模型的实践指导进行对比分析,揭示当前环节中的薄弱点,并结合PDCA管理方法将改善措施运用于具体的数据仓库项目。在此基础上,从全面数据质量管理的视角出发,论文设计了基于业务规则的监控工具,以预警数据的潜在问题。
本研究不仅针对关键质量影响因素提出了切实可行的改进方案,还成功通过实际项目实施效果验证了改进方法的可行性和有效性。