质量管理前面提到了，涉及到数据工作流的各个环节。
数据的工作流可以分为以下几部分：数据产生、加工处理、存储、挖掘和应用。
质量管理的前提是在每一个环节建立质量标准。
数据的来源包括：业务系统产生的数据、外部系统的数据、手动录入的数据等，从这些源头采集数据，然后经过数据通道进行加工处理(ETL，Extract-Transform-Load)，数据进入到数据仓库或数据集市当中。
然后业务人员、数据科学家、数据工程师等，会在数据平台对数据进行探索和挖掘，这个过程可能发生在数据仓库，也可能是在数据沙箱中进行，最后对数据探索分析挖掘的产出结果，会以数据应用的方式发布出来，具体的形式包括：数据报表、数据门户、OLAP、数据产品、数据服务、智能模型等等。
数据质量监督
除了制定质量标准外，还需要对系统中的数据本身和数据工作流进行监督管理。对数据系统进行实时监控，监测数据工作环境的服务器软硬件运行状态、性能、磁盘空间、数据库事务、锁、缓冲、会话量、备份等等一系列指标，实施预警机制，并监测一些异常情况的发生。对数据进行定期校验，除了对数据系统进行实施监控外，还需要对数据进行校验：日常校验、数据抽检、全面校验等。审核制度也是保证质量的一个重要措施，特别是对于敏感数据和敏感操作。建立数据变更时候的分级审核制度，尤其是一些影响较大或者权限较高的操作。建立审批制度，对于数据的读取，如果涉及到敏感数据，必要时，也需要数据审批或者是数据脱敏。
数据质量在任何系统当中都是十分重要却容易被忽视的一部分。构建完整的数据质量管理体系，既是支持企业系统稳定运行的基本保障，同时也是企业进行数字化转型、创新的必备条件。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
大数据主要应用于哪些行业，应用价值是什么？
http://www.duozhishidai.com/article-1195-1.html
大数据应用越来越广泛， 大数据主要应用于哪些领域？
http://www.duozhishidai.com/article-1501-1.html
大数据应用，主要包括哪几种商业模式
http://www.duozhishidai.com/article-12470-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
