数据质量管理现状分析包括政策、组织、流程和技术工具现状分析。

（1）数据质量管理政策现状分析

判断是否建立了完整的数据质量管理政策体系。

（2）数据质量管理组织现状分析

判断是否建立了完整的数据质量管理组织，如数据质量管理的组织包括业务部门和客服部门。业务部门的职责是质量验收管理、数据质量量化考评、数据质量现场监测、数据质量量化考评、数据质量反馈管理和日常数据质量管理等内容；客服部门的职责是制定数据质量处理规范和负责客户关于数据质量问题的咨询和服务，并且对问题进行跟踪。

（3）数据质量管理流程现状分析

判断系统是否建立了完整的数据质量管理流程。例如，数据质量事前防范、加工处理质量监控和入库后事后治理。

1）数据质量事前防范。先对数据的接口程序进行测试和验收，例如按照某个测试标准，完成测试报告，对测试结果进行验证，根据验证结果判断验收是否通过。对于未通过验收的数据接口程序，将发现的问题反馈给相关机构或者人员，并指导其解决问题。(www.daowen.com)

当修改完数据接口程序后，需要重新进行验证和测试，当完成测试后，重新申请验收流程。可以通过搭建测试环境，专门用于对数据的测试和验证工作，增强对数据质量的事前防范工作。

2）加工处理质量监控。在数据加工处理过程中，对数据进行预处理校验和入库校验，保证合格的数据能够入库，不合格的数据反馈给相应的机构，然后根据数据质量检查规则，检验入库的数据是否正确。可以通过提高数据自动化的程度，优化数据加载功能，实现自动调度加载；优化原有反馈渠道，提高数据报送自动化程度。尽量减少未知错误的反馈，降低错误数据的更正难度。

3）入库后事后治理。入库后事后治理可以包括两端数据核对，对数据质量进行现场监测，对有异议的数据进行分析，目的是不断提高数据的质量，减少异议情况的发生。我们建议构建数据管理平台完成对系统数据质量的统计分析工作，清楚掌握数据质量状况，从而提高工作效率，更好推进数据质量工作。例如增加以下几个功能：两端数据明细核对功能、定点监测功能、历史处理情况查询功能、数据统计与分析功能、数据提取与反馈功能、数据质量档案管理功能、异常数据核实工作管理功能、数据质量统计报表功能、文档查阅功能、问题在线解答功能。

（4）数据质量管理技术工具现状分析

数据质量管理技术工具不作为本书重点。

综上所述，我们可以参考先进实践经验，判断系统的数据质量管理还存在哪些问题和差距。数据质量的提升和检查过程不是一蹴而就的，而是一个不断提升和改进的过程，同时数据质量管理不仅仅是一个技术问题，它更是一个管理问题，需要技术人员和业务人员互相配合，制定规则和管理流程。