AITerms 登入
資料處理AI基礎MLOps

資料品質監控(Data Quality Monitoring)是什麼?

資料品質監控是指持續追蹤和評估資料的準確性、完整性、一致性、時效性和有效性,以確保資料符合預期標準。

完整定義

資料品質監控是一個持續性的過程,旨在追蹤、評估和報告資料的品質。它涉及定義資料品質指標,設定閾值,並定期檢查資料是否符合這些標準。有效的資料品質監控有助於識別和解決資料問題,確保資料驅動決策的可靠性。

白話說明

你有沒有在你要持續盯著資料有沒有變差時,還在想這件事到底該怎麼看?

把它想成資料的健康檢查表,不是出事才看。

模型再好,資料一壞,整個系統就會跟著失準。

品質監控是預防型工作,重點是早點發現、早點修。

記住這句

不是修資料而已,而是一直看有沒有變壞。

比喻:資料品質監控就像品管員定時檢查產品 -- 它持續檢查資料是不是乾淨、完整、準確,有沒有破損或過期,確保送到客戶(模型或分析師)手上的都是好貨。

容易混淆

data-cleaning

vs 資料清洗:資料清洗是發現問題後「修復」資料;品質監控則是「預防」和「持續檢查」資料品質,確保問題在發生或變大前就被發現。

常見混淆:資料品質監控 vs data-cleaning

清洗是修已知問題,監控是持續找問題。

實際案例

欄位完整率

每天看缺值比例有沒有突然上升。

異常值飆高

發現某個欄位的極端值變多,立刻通知資料團隊。

深入了解

1. 常見指標有完整性、一致性、準確性、時效性和有效性。

2. 監控比一次性清洗更重要,因為資料會持續進來。

3. 搭配警報和血緣追蹤,才能真正把問題追到源頭。

情境判斷

Q1:資料有問題時,為什麼不能只靠事後修補?

因為問題會反覆出現,監控才能提早發現。

Q2:如果某欄位缺值率突然上升,先做什麼?

先查資料來源和管線,再決定要不要補值或暫停使用。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,有 9 題把資料品質監控列為延伸術語,這裡列出 5 題。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本