基于数据供应链的统计数据质量控制体系构建

程春明，何庆光

（广西财经学院 信息与统计学院，南宁 530003）

0 引言

目前，我国统计数据的质量与政府和社会公众的要求还有一定差距，还存在质量不高，公信力不强等急需解决的问题[1-2]。如何解决统计数据的质量问题，国内学者在理论、实证、政策等方面都进行了大量的研究，形成了丰富的研究成果[1]。

信息和知识经济时代的到来，统计工作也体现了新的时代特征[3]，统计工作的自动化程度越来越高，大量的统计信息系统得到应用，现代信息技术对统计数据质量产生了重大的影响。建立一套全面的、系统的统计数据管理和质量控制体系，实现对统计工作全过程的质量控制与评估，是提高统计数据质量的有效途径[4]。然而，当前大多数统计信息应用系统倾向于某一阶段工作的管理与应用，缺乏对统计工作全过程统一管理和监控，本文以探讨以信息技术为基础，构建统计工作全过程的数据管理和质量控制体系。

1 数据质量的定义及其控制过程

在统计、管理和计算机领域，关于数据质量问题进行了大量的研究，给出了多种不同的定义，无论在哪个领域，其核心内涵是基本一致的[4,6-7]。在20世纪80年代以前，人们一般认为统计数据质量就是追求它的准确性，统计工作基本上是以提高数据准确性为出发点，减少统计误差。近年来，人们从更广泛的范围来衡量数据质量，准确性已不再是衡量统计数据质量的唯一标准，从满足用户需要的角度出发给出的统计数据质量的理念已得到了普遍的认可，即指出统计信息对用户需求的满足程度。具体包括：适用性、准确性、及时性、可比性、可衔接性、可取得性、可解释性、客观性(或称诚信)、方法专业性或健全性、有效性、减轻调查负担等11个方面。

现代统计工作包括方案设计、数据采集、数据整理和统计分析与发布等阶段，每个阶段的具体工作内容和目的有所不同，每个阶段的各个环节均会对数据质量的一个或多个方面产生影响[6]，为实现统计的最终目的——获取高质量的、能满足用户需求的统计数据，必须使对数据质量的控制贯穿于统计工作的整个流程之中。

2 数据供应链管理体系

2.1 数据供应链的构成

信息系统环境中的统计数据与和制造环境的物质产品具有相似性，把统计数据视为信息系统中的产品，这样，就可以采用全面质量管理(TQM)的原则、方法和技术来进行数据质量管理[4,7]；可以采用制造环境中供应链的管理体系来构建数据产品的管理体系，我们称之为数据供应链。实际上可以把统计数据的制造和消费过程看作一种业务流程模型，它由数据提供者、数据生产者、数据管理者到数据消费者的价值链组成，完成由数据消费者需求开始到提供给数据消费者以所需要的产品与服务的整个过程[8]，这就是数据供应链。

数据产品的制造过程包括：原始数据采集、中间数据生成、成品数据生成、数据消费等四个阶段，它涉及四种角色：数据提供者、数据生产者、数据管理者、数据消费者[4]。数据产品的生产制造过程也是数据的增值过程，随着数据（信息）的价值得到社会广泛的认可，数据产品的开发和利用将会得更多的关注。从某一个数据生产者内部来看，它的数据生产过程也构一个内部供应链[9]，这个供应链比较简单(见图1)。外部供应链还包括数据生产者的数据供应市场和数据消费市场，数据供应市场由一个或多个数据提供者和它们的数据供应市场构成，数据消费市场由一个或多个数据消费者和它们的数据消费市场来构成(见图2)。

图1 内部数据供应链

图2 数据供应链模型

2.2 内部数据供应链的管理组织模式

随着企业信息建设的推进，现代信息系统从MIS(Management Information System)发展到企业商务智能系统。商务智能系统采集业务数据原始数据，经过数据清洗，形成支持决策和分析的数据仓库，数据的采购与处理过程见图3。可以看出，现代企业（或组织）内部的统计数据的采集、处理、分析过程是可以由企业商务智能系统来完成，并提供给相关的数据消费者。

图3 现代商务智能系统架构

2.3 外部数据供应链的管理组织模式

完整的外部数据供应链是围绕满足用户的数据需求来构建的，它存在一个核心机构（或组织），并起着核心管理作用。构建一个数据供应链的同时也意味着一个统计体系的形成，它将数据提供者、数据生产者、数据管理者、数据消费者联系起来形成一个是开放性的、以团队工作为组织单元的有机整体[10]。采用供应链管理的思想来实现整个统计体系的管理，就是对一个统计体系中各参与组织、部门之间的数据、信息流与资金流进行计划、协调和控制等，目的是通过优化提高数据生产过程的速度和确定性，提高组织的运作效率和效益。

对比制造环境的供应链管理，数据供应链管理更简单，它所关注的只有数据（或信息）及其价值，没有物流过程。数据供应链管理的基本对象是数据产品流，数据产品流由供应市场流向消费市场。数据供应链的信息流包括数据的需求、数据处理状态和传递状态等信息，评价与反馈流包括对数据产品的评估和评价信息等。采用现代信息技术，建立数据供应链管理系统（Data Supply Chain Management System,DSCMS）实现数据产品流、信息流、评价与反馈流的统一管理，以实现对数据供应链的全面管理。

3 统计数据质量控制体系的构建

3.1 系统框架

现代信息系统具有高效的计划、控制、反馈机制，高效的数据处理与传输能力，为构建DSCMS系统提供了技术支持。信息网络时代，统计数据质量的监控与预警系统是统计信息系统的重要组成部份[3]，可采用企业资源计划（ERP）、全面质量等管理思想构建统计数据质量控制框架，以有效避免目前统计数据质量控制体系中易受中间环节的人为干扰。图4给出了DSCMS的系统框架。

图4 DSCMS系统框架

3.2 系统功能与管理控制的实现

DSCMS由两部分组成：一是统计数据管理系统，它实现方案设计、数据采集、数据整理和统计分析与发布等统计工作各阶段的信息化管理；二是评价与反馈系统，它负责系统的控制、评价与反馈，是数据质量控制体系的实现。两者有机结合，融入计划控制、全面质量管理等现代管理思想，形成统计管理信息系统的全面解决方案。按系统的功能实现，可分成以下6个部分：

（1）方案设计系统。实现统计工作方案设计，包括任务和目标的制定，数据收集、处理方案的制定，以及数据标准和要求的设定等。方案设计将结合目标与实施方案，做出完整的实施计划与控制策略，是DSCMS的控制中心，并通过评价与反馈系统来实现整个管理体系的计划、过程控制和评价功能。

（2）数据采集系统。在跨组织的数据供应链中进行数据采集，需考虑时间和空间对数据采集产生的影响，构建基于互联网的分布式集成数据采集系统不仅能提高工作的效率，也可以有效的减少数据逐级传递过程中的人为干扰。面向服务架构(Service-Oriented Architecture，SOA)是分布式系统当前应用最广泛的核心集成技术之一[11]，它可以对数据供应者的业务系统进行有效的集成，实现数据采集过程的自动化。

（3）数据处理系统。数据处理采用集中处理方式来完成，各级数据生产者和管理者经过授权可通过数据处理系统对采集的数据进行处理，生成相关的统计数据，以供本级数据消费者使用。数据处理包括抽取、转换、装载等过程。

（4）数据分析系统。数据分析可结合统计方法、数据挖掘技术、联机分析处理技术（OLAP）对数据库或数据仓库中的数据进行分析，分析结果可通过信息发布系统进行发布，并对分析结果进行评价与反馈。

（5）信息发布系统。统计数据或分析结果可通过网站向社会公众或相关用户发布，并通过网站收集用户的反馈信息。

（6）评价与反馈系统。通过构建科学的数据质量评价指标体系与反馈系统，利用现代信息技术手段对统计数据质量进行评价，并将评价结果及时反馈到数据质量控制框架及数据生成的各个部门（或环节），以便于及时进行修正、完善。

3.3 系统的信息共享管理

DSCMS内部各子系统之间信息共享管理是系统管理的重要内容，只有系统之间相互达到良好的信息共享，才能充分实现统计数据的全程管理和控制。系统应满足良好的扩展性、开放性，以便让其他的企业（或组织）加入到系统中，因此系统应遵从共同的标准和协议，达到较高的信息共享。

4 结束语

统计信息系统的建设是改善统计环境、夯实统计基础和完善统计工作的需要，也是建立高效统计工作和健全经济监测体系的基础，对数据质量的提高有着重要的影响。本文对统计数据管理与质量控制系统的框架和系统建设进行了初步探讨，系统的实际应用还涉及到政策、法规、技术等方面因素有待进一步研究。

[1]赵学刚,王学斌,等.中国政府统计数据质量研究——一个文献综述[J].经济评论,2011,(1).

[2]曾五一.国家统计数据质量研究的基本问题[J].商业经济与管理,2010,(12).

[3]汤宗健,重构信息网络时代的统计体系[J].统计与决策，2003,（1）.

[4]宋敏，覃正.国外数据质量管理研究综述[J].情报杂志，2007,(2).

[5]陈传波，唐九飞.信息系统中的数据质量[J].湖北工学院学报，1998,(9).

[6]曾晓峰,从统计流程谈统计数据质量控制[J].中国统计,2008,(2).

[7]马元三.基于全面质量管理的统计数据质量研究[J].宏观经济研究,2010,(11).

[8]沈厚才,陶青,等.供应链管理理论与方法[J].中国管理科学,2000,(3).

[9]陈剑,蔡连侨.供应链建模与优化[J].系统工程理论与实践,2001,(6).

[10]陈志祥,马士华,等.网络化管理——敏捷供应链系统[J].系统工程理论与实践,2001,(3).

[11]徐罡,黄涛,刘绍华,等.分布应用集成核心技术研究综述[J].计算机学报,2005,28(4).