怎么做一份好数据

人都知道

好数据

人们都说：无规矩，不成方圆！

对数据来说，也一样!

什么是好数据呢？

我觉得：数据本身无所谓好坏，好坏要看有没有相应的评判标准。能达到标准的数据，那就是好数据，达不到的，就不是好数据。数据在生产、处理的时候是不是达到了当时提出的标准，就是好数据，达到标准了，还能能完美支撑应用场景的就是极好的数据。数据生产完了，标准却变动了，旧数据也许就没办法达到新标准的要求。这种情况是存在的！我觉得：不能拿新的标准去套按旧标准做的数据，那不配套。当时达标了，就是好数据！新标准来了，就按新标准对数据进行整合、治理就行了，这是后话。
所以数据是不是好的，得对着标准看！并且标准这个东西还有时效性！如果连个评判的标准都没有，那也就无所谓好坏！！！

总结一下：有标准，才有好坏！

怎么做呢？

知道了什么是好数据之后，才能做出好的数据来！
想做出一份好数据，要仔细的研究数据标准。同时也要分析现有的数据资源距离要求的标准有多大差距。我一般采取的方式是：先研究标准，再制定相应的技术路线。在技术路线基本确定下来之后，再找点小数据人工的快速走一遍流程，看沿着技术路线做出的数据是否能够做出达标。如果做出来的数据不达标，就去修改技术路线；如果出来的数据达标，就去优化技术路线！能工具化的步骤，尽量的去工具化，提升整个流程的运转效率。这个时候需要什么人呢？需要技术过硬的工具人。
人工的去验证技术流程，这样的好处就是能够对技术路线中不合理的部分进行修正。步骤的工具化则能提升效率，保证数据处理的质量（人工的好处是灵活，缺点是做出来的数据容易五花八门，不信你看这个：【使用线分割面】超级垃圾CAD图处理）。

数据处理的技术路线包含很多的内容：像数据接入、数据清洗、数据治理等等步骤，多且杂。我认为，所有步骤中最重要的就是数据的质检环节。质检一般是作为最后一个环节出现的，过了质检，数据就该交付了。那么质检环节的设置，就关乎最终交付数据的质量。质检环节设置的松松的，数据做起来很简单，最终交付的数据就是水水的；质检环节设置的严严的，数据做起来比较难，最终交付的数据质量就会高高的。但数据的事情，有时候却不是做数据的人能说了算的。这让人无奈，人生有很多的无奈！

总结一下：

数据质量，是由质检来控制的！

想要好的数据，就要指定严格的质检环节！

上面讲的，都是有标准的时候应该怎么做，那么万一连个标准都没呢？应该怎么做？

先卖个关子，下一篇再来简单聊聊！

最后的絮絮叨叨

絮絮叨叨讲了这么多，感觉也还没怎么讲明白。

做数据说复杂也复杂，质检设置的严了就复杂些；说简单也简单，质检水水的还不按质检来就简单的要死！

这问题的关键，要看怎么取舍。