摘要：本文通过参考研究相关文献，结合大数据背景，系统阐述智慧校园建设中数据质量面临的若干问题，针对性地提出了解决方案和对策，设计了统一的数据管理服务平台体系，通过分析本文提出的解决方案是有效的。

　　高校在数字校园阶段已经建设了数据中心和若干应用系统，通过数据共享平台和数据集成，一定程度上为教学科研和管理等业务提供了数据支撑。随着大数据等信息化技术应用的逐步延伸，业务驱动需求的不断挖掘，原有解决方案或体系架构下的数据质量问题也不断暴露出来，在大数据时代为智慧校园的建设与发展带来挑战[1]。

　　1.校园信息标准不能有机地与校园业务数据结合，校园的元数据不能自动地根据业务数据生成并且成为信息标准的一部分。2.数字校园建设了数据共享平台，但是数据共享平台仅仅是解决了数据跨业务部门的问题，实现了数据的“运过去”，对于数据的运行质量难以保证，缺乏数据的全局视图，不能质量检查，不能溯源。因而一定程度上制约了学校更大范围的数据共享和上层应用。3.缺乏全局的数据资产管理平台和数据顶层设计。4.松散的高校业务数据环境，缺乏统一的数据管理制度和权限管理。

　　相关概念与研究

　　数据质量管理是信息系统建设的首要问题，“数据适合使用的程度”（FitForUse）是数据质量的主要定义之一，质量属性可划分为正确性（Correctness）、一致性（Consistency）、完整性（Completeness）、最小性（Minimality），数据质量也反映了数据模式与数据实例在以上属性上的距离。从评估治理的角度来看，数据质量也可划分为内在质量（IntrinsicDQ）、可访问性质量（AccessibilityDQ）、上下文质量（ContextualDQ）、表达质量（RepresentationalDQ）四个维度。

　　元数据（Metadata），其含义为“描述数据的结构化数据”[2]，也被称为是关于数据内容、质量、条件和其他描述数据特征的结构化数据。

　　元数据标准与数据质量

　　元数据包括业务元数据、技术元数据、操作元数据，见表1。

　　本文认为数据质量管理最主要的目标是安全、正确、时效。因而数据的真实性、完备性、自洽性是数据本身应具有的属性，称为数据的绝对质量，是数据质量的基础。除了数据的①绝对质量外，还有我们在利用和存贮数据的过程中所产生的数据质量，包括②使用质量、③存储质量和④传输质量，称之为过程质量。

　　数据质量按照属性可以划分为：完整性、一致性、及时性和准确性。常见数据质量问题及示例见表2。

　　高校数据标准一般包括数据标准、代码标准。通常参考国家教育行业标准教育管理信息之《教育管理基础代码》（JY/T1001-2012）和《高等学校管理信息》（JY/T1006-2012），以及包括学校的自定义编码标准。在数据执行标准的基础上结合元数据标准，与业务数据（数据源、数据模式）和主数据进行定期的检查比对，发现上述列举的质量问题，并且对与业务数据的正常变化，通过数据管理流程补充和完善到元数据和其他数据标准中，并且通过正常迭代进行新版本标准的发布。通过这样的措施在技术上保证数据质量的稳定和提升。