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。与此同时，低数据质量会导致效率低下，并面临监管和声誉风险。
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。
为了帮助更广泛的行业了解和认识 GLEIF 的数据质量举措，这一新的系列博客探讨了报告中包含的关键指标。
本期博客将继续探讨数据质量标准。
在当今数据驱动的经济中，使用高质量的法定实体数据对于推动创新、确保合规和促进全球市场的信任至关重要。GLEIF 通过一个结构化的数据质量管理框架来确保尽可能高的标准，该框架定义了十二项不同的、可衡量的数据质量标准，以客观地评估全球法人识别编码（LEI）记录。
每月指标 "系列的前几期博客探讨了以下标准：准确性"、"全面性"、"一致性"、"完整性"、"代表性 "和 "有效性"。本期重点介绍其余六项基本标准--"可访问性"、"完整性"、"货币性"、"出处"、"及时性 "和 "唯一性"，并探讨如何通过结构化、可衡量的检查对每项标准进行评估，以帮助维护 LEI 数据的完整性和全球实用性。
聚焦可访问性、完整性、货币性、出处、及时性和唯一性
随着全球对可靠实体数据需求的增长，GLEIF 通过确保数据的可访问性、完整性、最新性、来源良好性、及时性和唯一可识别性，积极维护一个可信赖的框架，坚持并加强数据质量标准。
可访问的 LEI 数据使从法规制定者到金融科技公司等广泛的利益相关者能够快速、高效地将可信信息整合到他们的系统中。
可获取性衡量的是 LEI 数据在多大程度上可以轻松合法地获取，同时确保有健全的保护和控制措施。在实践中，这意味着数据应通过应用程序接口（API）或可下载文件等方式公开提供，同时对其使用保持适当的管理。
可访问性目前通过12 项专门检查进行评估，8 月份的平均数据质量检查得分达到99.99分。检查内容包括核实是否提供了可信的本地标识符，以及分支实体是否注册。
完整的数据对于支持尽职调查、实体解析和网络分析等关键用例至关重要。
完整性评估 LEI 记录中是否出现了每个必填数据元素。可验证 LEI 记录中是否包含法定名称、地址和注册详细信息等必填字段，从而确保每条 LEI 记录都填写完整，在操作上可用。
通过11 项重点检查，包括 8 月份在内，"完整性 "的平均数据质量得分始终保持在99.99 分。检查示例包括强制提供法定实体类别、确保使用有效的实体法定形式代码以及评估最终父母是否拥有完整的关系信息。
最新数据可确保金融机构、监管机构和数据用户在瞬息万变的市场中依靠 LEI 及时做出决策。
时效性评估 LEI 数据是否保持相关和最新。当前 "数据点反映特定时刻的准确信息，而过时的条目则可能误导用户。
通过2 次检查来评估货币性，以核实失效实体的下一次更新日期是否合理，以及 1 级和 2 级数据是否经历类似的更新周期。8 月份的100.00分反映了持续的高质量表现。
了解数据出处有助于在跨境信息交换中实现可审计性和问责制，并增强信任度。
出处侧重于每个数据元素的历史或血统。它提供了数据来源的背景，以及随着时间的推移数据是如何变化的，通过透明地揭示参考数据的来源，增加了一层信任。
Provenance 是通过11 项专门检查来衡量的，并一直取得优异成绩，8 月份的平均数据质量检查得分高达99.99。这些检查包括验证实体识别编码的格式是否正确，确保为已退役实体报告可信的法定实体事件，并确认已完成事件的所有继承者都已适当列出。
及时更新 LEI 记录有助于防止依赖过时信息，降低运营和声誉风险。
货币性评估的是 LEI 数据是否相关和最新，而及时性则涉及如何及时将数据用于预期目的。这可确保当用户需要 LEI 信息时，无论是合规、尽职调查还是分析，都能及时获取数据，而不会出现不必要的延误。
及时性是通过2 项有针对性的检查来评估的，其中包括核查对已完成的法定实体事件强制提供的生效日期，以及确认所报告的实体创建日期是可信的。8 月份的评分为99.99分，反映了其在质量方面保持良好的表现。
唯一的 LEI 为跨辖区、数据集和系统的实体数据链接提供了可靠的锚点。
唯一性可确保每个数据元素（如 LEI 代码）在全球 LEI 系统中只出现一次，且具有明显的唯一性。这种检查可确保避免重复和模糊，维护数据集的完整性和可用性。
通过8 项具体检查，"唯一性 "表现出一贯的高绩效，8 月份的数据质量得分高达99.99。检查内容包括帮助防止在允许的转移范围之外出现违反唯一性的情况、检测法定实体地址和替代语言地址中的冗余，以及确保每个国家每个实体只存在一条分支记录。
将数据转化为机遇
可访问性、完整性、货币性、出处、及时性和唯一性仍是维护 LEI 数据完整性、可用性和可信性的基本支柱。
GLEIF 通过结构化评估和合作协商不断完善这些标准，这体现了 GLEIF 以有意义和可衡量的方式提高数据质量的坚定承诺。随着LEI的作用在各行各业不断扩大，GLEIF将继续致力于维护一个不仅具有弹性和前瞻性，而且以全球数据用户需求为中心的数据质量框架。
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。
