在企业部署CRM系统后，往往希望借助这一系统的商业智能优势，通过对数据的分析处理，来获取隐含在数据中的更有商业价值的知识，以此来指导企业开展下一阶段的工作。文章首先分析了当前大多数企业所面临的数据质量低下的现状，并对造成这一现象的原因加以分类，然后以笔者曾经参与设计的某企业CRM项目为例，从整个项目的生命周期开始，对各个阶段所要解决的问题加以解释，并给出解决方案。最后，从宏观上给出一套对普遍企业适用的，能够显著提高数据质量的管理方案。

　　1 CRM系统中数据质量问题分析

　　CRM(Customer Relationship Management)也称为客户关系管理系统，其主要功能是通过对大量的客户资料进行深入的分析，来实现缩短销售周期，降低销售成本，提高客户忠诚度和保有率等商业目标。然而决定一个CRM系统成败的关键，往往就是数据质量的优劣。

　　劣质的数据来源不一，通过分析，其原因主要有以下几种：

　　①缺乏验证程序。很多系统没有在初期就对用户的输入等过程提供完整的验证程序，导致误输入等因素对数据质量造成一定影响。

　　②数据格式有效但不正确。往往有些看似有效的数据，但却是错误的。

　　③系统更新。在原系统发生结构性变化时，如果管理员新增加了一个字段或下拉值，但是没有及时通知相关的系统工程师，就会导致一线员工继续使用旧的字段或下拉值去匹配新的信息类型。

　　④系统接口过多。

　　⑤缺乏参照完整性检查。

　　⑥不匹配的规则和定义。

　　⑦维度渐变。随着时间的推移而可能发生改变的维度，也在某种程度上影响着数据质量。

　　由此可见，数据质量受到来自多方面的影响，并且随着公司业务集成到网站中，并允许客户和经销商直接操作数据，而更加与日俱增，因此制定一套行之有效的管理方案迫在眉睫。

　　2 数据质量管理方案

　　DEMING W.E在其质量管理的十四要点中指出：“质量不能仅依赖于产品的检验，检验不能创造价值，只能将次品挑出来。”根据实际工作情况来看，往往当我们检查出脏数据时，它已经大量的存在于数据库中了，检查的成本高而效益低。要采用事前预防的方法，从一开始就将质量融入到数据中，以降低脏数据的发生率。

　　在实际项目中，将数据质量的控制在宏观上划分为了三个阶段，参见表1：

　　表1 数据质量管理方案规划

　　由于第三阶段属于数据挖掘范畴，是在建立了准确，完整的数据库基础上实现的，暂不属于本文讨论的范畴，所以我们重点关注第一阶段和第二阶段的实施。