資料衛生是確保資料庫或檔案分享內所有結構化或非結構化資料都“乾淨”的作法，這意味著資料準確、最新、無錯誤。資料衛生又稱為“資料清潔度”和“資料品質”。
總體而言，資料品質不佳來自於：
- 資料重複（也稱為資料重複存放）：當資料庫內的記錄重複時。
- 資料不完整：並非所有記錄的必要資料都存在時。
- 資料不一致：當同一資料以不同格式存在於多個表格中時，會導致不同檔案包含相同物件或人員的不同資訊。
- 資料不準確：當特定物件儲存的資料值不正確時。
為何資料衛生很重要？
資料衛生可推動安全性、生產力、法規與合規性遵從性，以及效率。其作法是確保您的應用程式和業務流程僅使用乾淨、正確且相關的資料，包括移除不再需要的敏感個人資料。如果沒有良好的資料做法，您會追蹤線索和麵包屑，直到死去和做出錯誤決定。
以下是一些品質不佳的資料在組織中可能造成的問題範例。
銷售與行銷
DiscoverOrg 的一項研究發現，銷售與行銷部門損失了約 550 小時，每位銷售代表使用不良資料損失了高達 32,000 美元。
在行銷方面，不良資料可能導致超支。如果由於資料重複而多次收到相同的內容，也可能讓潛在客戶感到煩惱，甚至驅逐他們（亦即，相同名稱的重複記錄在同一個資料庫中拼寫有點不同）。
在線上銷售中，如果缺乏產品與目標對象的資料，資料衛生狀況不佳可能導致您嘗試將錯誤的產品銷售給錯誤的客戶。
金融
在財務報告中，由於資料不一致，不良資料可能會給您不同答案，導致不準確和誤導性的財務報告。這些報告可能會給您帶來錯誤的金融安全感，或是令人擔憂的金融不安全感。
供應鏈
不良資料也會嚴重影響供應鏈，因為如果這些流程決策是基於不可靠的位置資訊，就很難將流程自動化。
整體企業目標
在企業層面上，資料品質問題會大幅影響您達成長期目標的能力。它們可能導致：
- 對您快速調整並回應新市場趨勢和條件的能力產生負面影響。
- GDPR、HIPAA 和 CCPA 等主要隱私和資料保護法規的合規性要求更加困難。
- 在企業資料上難以運用預測式分析，導致短期和長期目標的決策風險較高。
維持良好資料衛生的挑戰
與良好的資料衛生一樣重要，許多公司都努力維持資料的品質。根據哈佛商業評論所發表的一項研究，平均而言，47% 的新建立資料記錄至少有一項重大（例如影響工作）錯誤，而只有 3% 的資料品質分數是以最寬鬆的標準評為“可接受”。
各種因素都可能使您難以優化資料衛生。包括：
- 不斷增加的各種資料來源：公司過去僅使用自有業務系統產生的資料，例如銷售或庫存資料。現在，資料來源差異很大，可能包含來自網路、IoT 裝置、科學和實驗資料等的資料集。您擁有的資料來源越多，就越難確保資料不會遭到某種程度的修改或篡改。每當您在資料處理引擎中加入另一個系統時，您都會因為被污染或遺失而增加資料損失的機會，因為不同的資料來源會產生不同的資料類型。非結構化資料，或未根據預設資料模型或架構配置的資訊，現在佔全球資料約 80%。
- 增加資料量：大數據的時代無庸置疑地在這裡，大數據才是大數據。自 1970 年以來，資料量每三年就翻了一倍。資料越多，就越難在特定時間範圍內收集、清理、整合，並達到合理的高品質資料。如果大部分資料為非結構化資料，處理時間將增加更多，因為非結構化資料需要轉變成結構化或半結構化資料，進一步降低資料處理的品質。
- 增加資料速度：過去五年來，“即時”資料已成為一個大流行詞。這是因為產生的資料越多，處理資料的速度越快，否則會有系統備份的風險。就這一點而言，資料就像是流進管道的液體，它越快，管道越有破裂的危險，處理容量增加的唯一方法就是讓管道變得更大。對資料而言，讓管道變得更大代表處理速度更快，以達成進來的速度。但實際的即時處理仍然是一個相對較新的領域和能力，這意味著使用未使用或不相關的資料，仍有很多噪音。因此，根據該資料做出的決定，最好是次佳，最差是錯誤的。
- 缺乏明確的資料品質標準：自 1987 年國際標準化組織（ISO）發佈 ISO 9000 以來，產品品質標準便已開始實施。相較之下，官方資料品質標準從 2011 年起才開始出現（從 ISO 8000 開始），這表示這些標準仍在持續成熟，而且仍然相對較新。根據 2015 年在資料科學期刊上發表的研究，“目前缺乏對大數據品質標準和品質評估方法的全面分析和研究。”
資料衛生最佳實務
雖然資料品質標準仍在成熟中，但您現在仍能採取某些已確立的資料衛生最佳實務，以確保您的資料品質維持高水準。
最佳作法包括：
稽核
資料稽核是維持良好資料衛生的關鍵，通常是任何資料清理流程的第一步。在採取任何行動之前，您需要評估資料的品質，並建立公司資料衛生的真實基準。典型的資料稽核包括仔細檢視您的 IT 基礎架構和流程，以了解您的資料的居住地、使用方式，以及更新頻率。
法規遵循
定義蒐集哪些資料及其原因的相關政策至關重要，尤其是如果資料來自消費者。這包括強化資料保留與移除政策。保留時程規定資料在清除前儲存在系統上的時間。衛生是指了解您要儲存哪些資料、為何儲存、在何處儲存，以及何時需要清除資料。深入了解資料法規遵循的最佳做法。
治理
資料治理是一系列流程、角色、政策、標準和指標的集合，確保有效和高效地使用資訊，使組織能夠實現其目標。資料治理定義了誰可以採取什麼行動、對什麼資料、在什麼情況下，以及使用什麼方法。良好的資料管理對於確保整個組織的高品質資料至關重要。
自動化
最後，實現資料品質相關流程的自動化，是實現良好資料衛生的基礎。這主要意味著盡可能頻繁地自動更新您的資料，以確保資料始終是最新且正確的。資料清理系統可篩選大量資料，並使用演算法偵測異常，並找出人為錯誤造成的異常值。他們也可以刷洗您的資料庫，以取得重複記錄。
高品質資料是什麼原因？
資料品質包含多項屬性。高品質資料是：
- 及時：它是建立、維護，並在需要時立即可用。
- 簡明：其中不含外來資訊。
- 一致：系統內或系統間的資訊沒有衝突。
- 準確：正確、精確且為最新狀態。
- 完成：所有可能的必要資料都存在。
- 合格者：以適當且標準化的格式儲存。
- 有效期間：它是真實的，來自已知的權威來源。
如果您的資料符合所有這些標準，您的系統和應用程式將盡可能提供最佳資訊，以推動更好的客戶服務、更好的客戶體驗和更好的業務成果。
使用 Pure Storage 取得同級最佳的資料減量與資料去重功能
重複資料刪除也稱為重複資料刪除，是消除儲存磁碟區或整個儲存系統（跨磁碟區去重複）內重複資料副本的過程。去重複化使用重複排列識別技術辨認出冗餘資料，並將其以同一個已存檔副本之參考資料替代。有了 Purity，Pure Storage 使用五種不同的資料減量技術來節省全快閃陣列的空間。在這裡瞭解更多資訊。
