1. 数据质量的控制和治理是数据质量管理的重要组成部分。

2. 高质量的数据对于企业的业务表现至关重要，它可以帮助公司保持竞争力，并在经济困难时期保持优势。

3. 当数据质量得到广泛和深入的控制时，企业可以在任何时间信任其数据满足所有需求。

4. 采用战略性和系统性的方法可以帮助企业正确地研究并执行数据质量项目，确保业务和IT部门的人员明确各自的角色和责任。

5. 提供正确的技术和工具，以应对数据质量控制的挑战，是确保数据质量的关键。

扩展资料：

1. 数据质量控制的步骤包括：

- 探查数据内容、结构和异常，以识别数据的优势和弱势，并确定数据质量项目计划。

- 建立数据质量度量标准，并通过数据质量记分卡跟踪这些标准的达成情况。

- 设计、测试、完善和实施数据质量业务规则，这些规则是可重复使用的业务逻辑，用于管理数据的清洗和解析。

- 将数据质量规则集成到数据集成过程中，确保数据质量在各个应用程序中得到执行。

- 检查数据质量流程后的异常，并完善控制数据质量的业务规则。

- 持续监测数据质量，以保持和改进数据质量性能。

2. Informatica的数据质量解决方案为业务人员和IT人员提供了一个共同的平台，用于建立和完善度量标准，并通过数据质量记分卡跟踪度量标准的达成情况。

3. Informatica Data Quality支持广泛的数据质量控制，使用户能够在扩展型企业中跨应用程序执行业务规则，并作为服务在基于服务的架构中提供数据质量服务。

4. Informatica Data Quality可以捕获和突出数据质量异常和异常值，以便进一步探查和分析。

5. Informatica Data Quality包括一个记分卡工具，以及仪表板和报告选项，用于动态报告和可视化展示。

参考资料来源：百度百科——数据质量