在相互联系日益紧密的全球经济中，组织信任和有效使用数据的能力是创新、增长和竞争力的基础。
高质量的数据生态系统是变革和创新的驱动力，使组织能够发现并抓住新机遇，而低数据质量则可能导致效率低下，并暴露于监管和声誉风险之中。
GLEIF 致力于优化 LEI 数据的质量、可靠性和可用性。自 2017 年以来，它发布了专门的月度报告，以透明的方式展示全球 LEI 系统达到的整体数据质量水平。
为帮助业界更广泛地了解和认识 GLEIF 的数据质量举措，本期新博客系列将探讨报告中包含的关键指标。
本期博客将探讨数据质量标准。
全球法人识别编码（LEI）数据质量管理框架确保全球法人识别编码（LEI）数据的完整性、时效性和可靠性。
GLEIF 的数据质量管理框架以 "全面质量 "原则为基础，该原则将客户（在我们的案例中，即数据用户）置于所有质量工作的中心。该框架旨在直接反映利益相关者的要求，确保整个全球 LEI 系统的数据质量达到最高标准。
为此，GLEIF 根据明确的数据质量标准（包括有效性、完整性和一致性）评估 LEI 数据，总共进行了 180 多项结构化检查。这些标准坚持标准，为全球互操作性建立了可衡量的基准。最终，这将促进高质量 LEI 数据的使用，通过加强各行业的监管报告、金融风险分析和了解你的客户（KYC）操作，提高全球经济的信任度和透明度。
什么是数据质量标准？
数据质量标准定义了用于评估数据记录或数据元素是否符合预期质量标准的具体、可衡量的期望或方面。
为确保用于评估 LEI 参考数据的标准具有相关性和影响力，GLEIF 对国际公认的数据质量概念和标准进行了深入分析。在此基础上，制定了十二项不同的数据质量标准，以建立一个透明、客观的基准，评估全球 LEI 系统内的数据质量水平。这些标准是准确性、可访问性、完整性、全面性、一致性、货币性、完整性、出处、代表性、及时性、唯一性和有效性。
每项标准都允许进行基于规则或算法的评估，以确保其应用的一致性和可扩展性。GLEIF 运用这些标准，根据既定基准对 LEI 数据进行系统评估。这些数据质量检查以结构化的 if-then-else 逻辑规则实施，可对数据元素进行精确的自动验证。每项检查都被唯一分配给一个质量标准，从而在规则及其相应的质量维度之间建立了清晰、可追溯的联系。这种结构构成了每月数据质量报告和公共仪表板的基础。
聚焦有效性、完整性和一致性
虽然所有十二项数据质量标准都至关重要，但本博客将重点关注 "有效性"、"完整性 "和 "一致性 "在确保高质量 LEI 数据方面的作用：
有效性是指衡量数据值如何符合其域值集的标准。它确保每个 LEI 数据元素都符合预定义的格式和代码表。有效性通过33 项单独检查进行评估，5 月份该标准的数据质量平均检查得分达到99.99分。检查内容包括核实地区代码是否符合 ISO 3166-1/2（国际标准，该标准定义了代表国家及其分支机构名称的代码），或记录是否由经认证的 LEI 发行机构管理。
一般来说，有效性可提高系统的互操作性，降低自动工作流程中出现处理错误的风险。
完整性包括29 项检查，5 月份的平均数据质量得分达到99.98分，反映了数据的高度完整性和精确性。专门的检查包括核实报告例外情况是否独立且不存在并发关系记录，或每个国家是否只存在一个有效的国际分支机构关系。
完整性可防止 LEI 记录中出现相互矛盾的信息，帮助用户对数据的内部逻辑充满信心。它指的是 LEI 数据符合定义的数据关系规则的程度，检查必填字段是否填入适当，字段之间的关系（如父子实体）是否一致，以及是否不存在矛盾或逻辑上不可能的组合。
一致性评估的是在多个数据集中唯一数据保持相同值的程度。这可确保法律形式和管辖代码得到统一应用，并确保类似的实体类型遵循一致的命名惯例。它由25 项专门检查提供支持，5 月份的平均数据质量分数为99.99。检查包括确保申报的注册机构代码与法定管辖区一致，或确保基金实体使用适当的实体类别。
一致的数据可确保 LEI 记录具有可比性和互操作性，无论这些记录是在何处或由何人创建。这有利于准确的数据汇总，支持可靠的跨境分析，并显著提高 LEI 数据集对监管机构、金融机构和其他利益相关者的分析价值和可用性。
在像全球 LEI 系统这样的分布式系统中，一致性尤为重要。如果各辖区、部门和实体不统一遵守通用标准，数据的完整性就会受到损害。
将数据转化为机遇
维护数据质量对于打造未来互联、透明的金融生态系统至关重要。
GLEIF 的《数据质量标准》确保 LEI 数据准确、完整，并适合跨司法管辖区和行业的战略使用，其有效性、完整性和一致性是将零散信息转化为可信、通用资源的基础。
通过设定明确的基准并提供透明、可衡量的见解，GLEIF 使用户能够做出明智的决策，并确信准确的数据能够支持他们的选择。从监管报告到风险分析和数字身份管理，这些标准都能增强数据并实现系统可靠性。
随着对可验证、高质量实体数据需求的增长，GLEIF对高质量数据的承诺将LEI定位为全球数字信任的重要推动者。
如果您希望对博文进行评论，请使用您的姓名来识别自己。您的姓名将显示在您的评论旁。不会公布电子邮件地址。请注意，访问讨论区或在其中发帖即表示您同意遵守GLEIF 博客政策条款，因此请仔细阅读该条款。
Zornitsa Manolova 是 Global Legal Entity Identifier Foundation (GLEIF) 数据质量管理和数据科学团队的领导者。自 2018 年 4 月起，她负责通过引入创新的数据分析方法来加强和改进既定的数据质量和数据治理框架。在此之前，Zornitsa 曾在普华永道法证部门负责管理国际金融调查的法证数据分析项目。她拥有德国马尔堡菲利普大学的计算机科学专业学位，主修机器学习。
