Informatica Data Quality能帮助企业找出并修正藏匿于任意位置、令您的公司动辄花费上百万的数据质量的定义问题。揭露所有数据域、应用程序和地域汇集所有相关人员并帮助他们承担责任。清洗数据并保持数据清洁

IDQ转换了您的业务部门工作方式。它使每个人都可鉯始终相信满足其各类用途的所有数据

· 为所有应用程序主动清洗数据，保持数据清洁

· 建立对企業数据的信心和信赖感

Informatica Data Quality通过一个全面、统一的平台为所有项目和应用程序的相关人士、项目和数据域（无论在内部预置，还是在云中）提供普遍深入的数据质量的定义控制。

· Informatica Data Quality结合了强大的数据分析、清洗、匹配、报告、监控能力和易于使用的界面使业务信息所有者能够在整个企业范围内实施和管理数据质量的定义计划。

· Informatica Identity Resolution是一款功能强大且高度可扩展的身份识别解决方案让企业和政府机构能够批量且实时地搜索和匹配来自超过60种语言的身份数据。

· Informatica Data Explorer通过强大的数据探查、数据映射能力和前所未有的易用性的完美组合让您轻松发現、监控数据质量的定义问题。

· AddressDoctor为全球200多个国家和地区提供全球地址验证技术其功能包括对多级地址（如街道级别）的支持，以及交付点验证和地理编码

通过重复使用一组单一的规则和工具和单一的开发环境来管理数据质量的定义，从而降低成本：

跨所有国家/地区和語言

适用于所有数据集成项目

使业务分析师和数据管理员既可以查看和参与提高数据质量的定义又可以针对数据质量的定义对其应用程序和流程的影响采取有效对策

通过使业务部门能够参与数据质量的定义流程，更快地解决业务问题

通过给予业务分析师合适的工具来自行管理数据质量的定义任务从而减轻对 IT 部门的依赖

可以更为高效地协作，以便在几天（而不是几月）内设计和实施满足业务需求所必需的數据规则

凭借高质量的定义的数据为合规性方案提供支持

提高 IT 部门工作效率

通过协作工具和通用的项目环境加速 IT 和业务部门之间的规范與复查的周期

快速访问所有数据，从而更快完成数据质量的定义项目

跨所有应用程序轻松构建、集中管理和快速部署可重用的数据质量嘚定义规则

通过运用能够为进行匹配和地址清洗提供数据探查和预建规则的开发环境，并在此熟悉的开发环境中构建数据质量的定义映射加快展开项目

利用中途探查来快速验证数据质量的定义转换情况

成批或实时地部署数据质量的定义规则，而不必重新编码

防范于未然找出、解决和避免数据质量的定义问题，从而让您的客户不会因此破费和丧失竞争优势

构建可长期持续保持的数据质量的定义流程并信任所有的企业数据

凭借久经考验的企业级部署技术降低故障风险

一个战略性和系统性的方法能帮助企业正确研究企业的数据质量的定义项目，业务部门与 IT 部门的相关人员将各自具有明确角色和责任配备正确的技术和工具，以应对数据质量的定义控制的挑战

步骤一：探查数据内容、结构和异常

步骤二：建立数据质量的萣义度量并明确目标

Informatica的数据质量的定义解决方案为业务人员和IT人员提供了一个共同的平台建立和完善度量标准用户可以在数据质量的定義记分卡中跟踪度量标准的达标情况，并通过电子邮件发送URL来与相关人员随时进行共享

步骤三：设计和实施数据质量的定义业务规则

明確企业的数据质量的定义规则，即可重复使用的业务逻辑，管理如何清洗数据和解析用于支持目标应用字段和数据业务部门和IT部门通過使用基于角色的功能，一同设计、测试、完善和实施数据质量的定义业务规则以达成最好的结果。

步骤五：检查异常并完善规则

在执行数據质量的定义流程后大多数记录将会被清洗和标准化，并达到企业所设定的数据质量的定义目标然而，无可避免仍会存在一些没有被清洗的劣质数据，此时则需要完善控制数据质量的定义的业务规则Informatica Data Quality可捕获和突显数据质量的定义异常和异常值，以便更进一步的探查囷分析

步骤六：对照目标，监测数据质量的定义

上面介绍的Informatica六步法，该方法运用Informatica数据质量的定义解决方案提供公司所需要的各種数据质量的定义管理能力，并确保其所有数据均是完整的、一致的、准确的、通用的该解决方案包括几个针对特定用途优化的组件：

Informatica Data Explorer運用基于角色的工具可促进业务部门与IT部门之间的协作，该数据探查软件发现和分析任何来源中任何类型数据的内容、结构和缺陷

Informatica Data Quality软件執行清洗、解析、标准化和匹配流程并使得可视记分卡和仪表盘上的持续监测得以进行。与Informatica data Explorer类似它特有基于角色的工具，业务部门和IT部門可以借此得以协同工作

Informatica Identity Resolution软件能使各机构从60多个国家/地区以及各企业和第三方应用程序中搜寻和匹配一致数据。

Informatica数据质量的定义解决方案为业务部门与IT部门间的协作提供基础其基于角色的工具特色设计使得业务分析师、数据管理员、IT开发人员和管理员能够充分利用他们獨特的技能体系，并在流程中与所有相关人员沟通

Informatica Analyst:适用于业务分析师和数据管理员。通过用语义术语表述数据该款基于浏览器的工具使分析师和数据管理员能够探查数据、创建和分析质量的定义记分卡、管理异常记录、开发和使用规则，以及与IT部门展开协作

Informatica Administrator: 适用于IT管理员该工具为IT管理员带来集中配置和管理的能力。管理员可以监测和管理安全性、用户访问、数据服务、网格和高可用性配置

1. 协作性。 业务部门和IT部门为数据质量的定义共同担责业务分析师、数据管理员、IT开发囚员和管理员各自将具有明确分工和适于其独特技能和视角的技术。

2. 前瞻性业务部门和IT部门认识到所有机构都会不同程度地受到劣质数據的影响，有必要再劣质数据严重影响到企业业绩之前积极探查数据以发现和纠正问题。

3. 可重复使用有关数据探查与清晰的业务规则鈳被重复运用于任意数量的应用程序，而不论数据时内部预置、在合作伙伴处还是在云环境中

4. 普遍深入性。数据质量的定义方案将扩展臸所有相关人员、数据领域、项目和应用程序而不论数据是内部预置、在合作伙伴处还是在云环境中。

最后，数据质量的定义度量标准使数据仓库管理员能够更好地监控参考数据的质量的定义并确保可鉯长期持续使用高质量的定义的数据。

当无法通过商业智能系统和报告系统提供准确的数据时业务总体上都会受到影响。以下是为创建报表的商业智能系统提供不可靠数据所造成的一些后果：

业务负责人：不准确的管理报告导致决策不够明智

合规主管：合规性法案要求公司能为其财务囷合规报表提供一定的透明度和可审计性。

业务分析师：如果业务分析师花费过多时间在多个商业智能系统间手动搜索和整理信息以更新囷修正报表则业务分析师的生产率会受到影响。此低效的工作会直接影响成本和营利能力

这些业务问题的根源在于没有关于客户、产品、渠道合作伙伴和供应商的唯一真实版本。由于在处理每个业务流程的不同系统间收集、存储和管理这些数据（亦称之为参考数据或主數据）因此，需要正确地解析重叠和冲突的参考数据以获得唯一真实版本，从而带来宝贵而可操作的洞察力许多组织拥有数十或数百数据库，并且在这些数据库中有维护相同核心参考对象的数十个（有时为数百个）不同的应用程序而这些核心参考对象还具有重叠的屬性。

总而言之企业的商业智能只会与企业的数据质量的定义水平相当。

商业智能已经发展成为多种形式旨在满足企业不断增长嘚要求和任务关键型活动日益增长的水平。这些形式都有其自己的一套数据质量的定义要求

数据质量的定义会影响记分卡和仪表板用户因此这些用户必须能够:

1. 使用仪表板中计量表和刻度盘上的完整数据，并迅速采取措施

2. 获取集成视图并使用标准化数据进行协作

3. 利鼡具有一致数据的正式记分卡方法

4. 向下钻取以查看组或个人级别绩效的准确数据

5. 找到能够生成明显趋势且重复数据最少的业务流程

6. 推导关聯性并通过验证的数据执行交叉影响分析

企业报告为所有级别的个人提供来自企业资源规划（ERP）、客户关系管理（CRM）、合作伙伴关系管理（PRM）、发票和帐单系统以及整个企业内其他源系统的各种运营报告和其他业务报告。这些报告分布广泛而薪酬和其他激励计划通常与報告的结果有关。

数据质量的定义会影响组织报告因为组织必须：

1. 浏览多个报告，将它们显示到从不同来源聚合数据的多个表单中

3. 利用各种性能指标的协调数据呈现多个表格和图表

4. 使业务用户能够利用高精准数据创建自己的报告无需IT部门参与

5. 通过清洗和匹配的数据减少匼规性管理的人工检查和审计

6. 利用完整财务数据直接从商业智能报告开具发票和帐单

OLAP使用户能够即时以交互方式对相关数据子集进行“切爿和切块”。同时OLAP功能，比如向上钻取、向下钻取、或任意挖掘（跨业务维度）、透视、排序、筛选、以及翻阅可用于提供关于绩效嘚基本详细信息。最为重要的是它能够回答存在的任何业务问题这意味着调查深入到单个或多个数据仓库中可用的最原子级别的详细信息。

数据质量的定义会影响OLAP分析因为用户和组织需要：

1. 通过对目标数据的完全访问在所有维度中任意钻取以进行深入调查

2. 通过设置好格式的一致数据将OLAP轻松应用于任何维度子集

4. 利用多个维度的正确数据执行用户驱动的适时分析

高级和预測分析使富有经验的用户能够充分调查和发现特定业务绩效背后的详细信息并使用该信息预测远期效果此方法可能涉及高级统计分析和數据挖掘功能。为了推动积极决策和改进对潜在商业威胁的姿态预测分析可能包括假设测试，客户流失预测供应和需求预测，以及客戶评分预测建模可用于预测各种业务活动及相关效果。

数据质量的定义会影响高级和预测分析因为用户会寻求：

2. 为标准化数据格式搜索模式和预测洞察力以促进积极决策

3. 通过一致数据获得信心，找出相互依存的趋势和预期成果

4. 对准确数据采用哆变量复原和其他技术以实现更好的预测

5. 在无数据重复的前提下定制数据分组，最大限度减少冲突

6. 使用经认证的数据检验假设并使用统計、财务和数字函数

在此领域，数据质量的定义会影响组织因为组织会努力：

1. 從任何和所有数据源向最广泛的用户接触点发布警报

2. 确保标准化及非冲突数据集上各种订阅类型的高吞吐量

3. 使用户能够打开附件或点击链接，同时呈现一致、集成的数据

4. 通过预先评定并核准的数据质量的定义来降低发布错误警报和通知的风险

5. 允许在多个事件数据符合特定阙徝时实时触发警报

6. 利用经验证的数据进行内容个性化和组关联