[发明专利]数据质量分析

权利要求书

1.一种方法，包括：

接收指示数据处理系统所生成的输出数据集的信息；

基于与所述输出数据集有关的数据沿袭信息来识别所述输出数据集所依赖于的一个或多个上游数据集；

分析所识别出的所述输出数据集所依赖于的一个或多个上游数据集中的一个或多个上游数据集，所述分析包括：

针对该一个或多个上游数据集中的各特定上游数据集，应用以下规则中的一个或多个规则：

(i)第一规则，用于指示所述特定上游数据集的简档与该特定上游数据集的参考简档之间的允许偏差，以及

(ii)第二规则，用于指示针对所述特定上游数据集中的一个或多个数据元素中的各数据元素的一个或多个允许值或禁止值；

基于应用所述一个或多个规则的结果，来选择所述上游数据集中的一个或多个上游数据集；以及

输出与所选择的一个或多个上游数据集相关联的信息。

2.根据权利要求1所述的方法，其中，所述第一规则和所述第二规则中的一个或多个规则是自动生成的。

3.根据权利要求2所述的方法，其中，所述第一规则是基于所述特定上游数据集的历史简档的自动化分析而自动生成的。

4.根据权利要求3所述的方法，其中，所述参考简档基于所述特定上游数据集的历史平均简档。

5.根据权利要求2所述的方法，其中，所述第二规则是基于所述特定上游数据集中的一个或多个数据元素的历史值的自动化分析而自动生成的。

6.根据权利要求5所述的方法，其中，所述允许值或禁止值是基于所述自动化分析而确定的。

7.根据权利要求1所述的方法，其中，所述第一规则和所述第二规则中的一个或多个规则是由用户指定的。

8.根据权利要求1所述的方法，其中，还包括：通过用户界面来接收所述第一规则和所述第二规则中的一个或多个规则的指定。

9.根据权利要求1所述的方法，其中，所述数据沿袭信息指示所述输出数据集所依赖于的一个或多个数据集、依赖于该输出数据集的一个或多个数据集、或这两者。

10.根据权利要求1所述的方法，其中，分析一个或多个数据集中的各数据集以识别该一个或多个数据集的子集包括：确定该一个或多个数据集中的具有错误或可能具有错误的数据集；以及

所述方法还包括：选择具有错误或可能具有错误的数据集作为所述子集。

11.根据权利要求1所述的方法，其中，分析一个或多个数据集中的各数据集以识别该一个或多个数据集的子集包括：识别特定数据集的简档和该特定数据集的参考简档之间的偏差超过相应的第一规则所指示的允许偏差的特定数据集；以及

所述方法还包括：选择该特定数据集作为所述子集。

12.根据权利要求1所述的方法，其中，分析一个或多个数据集中的各数据集以识别该一个或多个数据集的子集包括：识别具有如下数据元素的特定数据集，其中该数据元素具有不满足相应的第二规则所指示的允许值或禁止值的值；以及

所述方法还包括：选择该特定数据集作为所述子集。

13.根据权利要求1所述的方法，其中，

还包括识别所述输出数据集中的数据元素，以及

识别所述输出数据集所依赖于的一个或多个数据集包括：识别影响所识别出的所述输出数据集中的数据元素的数据集。

14.根据权利要求13所述的方法，其中，识别所述输出数据集中的数据元素包括：识别具有错误或可能具有错误的数据元素。

15.根据权利要求1所述的方法，其中，还包括：生成所述上游数据集中的一个或多个上游数据集的简档。

16.根据权利要求15所述的方法，其中，生成特定数据集的简档包括：在接收到所述特定数据集的新版本的情况下生成该特定数据集的新简档。

17.根据权利要求1所述的方法，其中，根据特定数据集的一个或多个先前简档而得到该特定数据集的参考简档。

18.根据权利要求1所述的方法，其中，输出与数据集的子集相关联的信息包括：输出该子集的各数据集的标识符。