软件在线2月18日编译 不良数据问题可以使商业智能或数据仓库工作中止，至少他们有这样的实力，因为不正确或不一致的信息会很强地打击用户。今天经常提到的透明度问题增加了人们的紧迫感，而这一透明度问题为政府和其他监管部门尝试纠正财务制度和程序的错误提供了更紧迫的要求。因此，对于阻止来说，这并不是一个坏的时间去回顾他们对数据质量的流程和技术选择方面的策略，并描述和确认这些既定的策略。
最近几年，在这一特定领域出现了不少用来将套装软件进行固化的工具。很明显，他们能够提供共和和用户界面的整合以保证数据质量，并描述和确认，甚至可以带来更进一步的数据整合进程。
但是阻止必须确保这些软件提供给他们了正确的工作工具：那就是，当他们他要做数据确认时，不是描述或者数据发现工具，反之亦然。最后，另一个关注点则是，在这样的困难时期里，组织会变得对升级软件并不热心，因为这看上去意味着太多的时间和财力成本。所以，数据质量问题会在好转之前变得更坏。
当组织从多种资源进行整合的过程中保证他们获得更好的数据，数据验证是一个非常不稳定的方面。但是数据验证却非常的必要，缺乏对数据验证规则和流程足够的注意将会成为安全隐患的源头、造成无意识的数据披露或不确定数额的商业错误。当然，很多组织用了很长的时间来规范数据验证规则，往往为他们每一数据数据来源进行验证。但是今天，组织应该审视他们如何从多种数据来源中使用元数据以帮助他们发展验证规则并集中运用它们。
对于数据中心用户来说，一个新的评估价值软件是来自DVO公司的DataValidator。我最近与本公司的CEO Val Rayzman有所交流。他描述了该产品如何增加认证和数据测试的自动化水平。组织可以根据组织的需求来校正这些流程的粒度。
DataValidator开发的规则可以防止PowerCenter对元数据的生成和管理。这一工具的设计目的是用来更有效的管理规则，以减少数据的混乱和重叠以及不是产生的对数据规则的重复使用。
类似于DataValidator对于企业来说可以成为一个福音。可以在压力之下提升企业对数据整合、数据验证以及数据质量流程的管理能力。他们同时可以掌握更多的数据以及更难的升级需求。我将关注这一领域的革新。
