数据模型质量评价指标
数据模型质量评价指标
一个应用能起到的作用基于对数据的收集-整理-分析-展示
等工作的开展,任何具有决策性的判断也是基于数据质量及处理方法的合理性、逻辑性等。而这些相关工作很依赖于数据模型的质量。数据模型的质量直接能够影响围绕数据开展的所有工作的实际成果。所以针对数据模型质量的评价就显得具有很重要的意义。
本文通过数据模型质量评价的10个方向开展简要的阐述。
准确性:数据模型是否可以准确反应业务需求。如果数据模型不能够准确反应业务需求,会令整个数据模型及其实用性和价值大打折扣,很难达到预期效果。但准确性同样是所有评价要点中最难以实现的。同理不仅仅是关于数据模型的评价,任何一个应用、平台的建设业务需求方面的准确性都是重中之重。具体评价准确性的方法有很多,需要从访谈、案例、用户报告、数据库等多个方面查找证据,加以分析。
完整性:数据模型是否完全覆盖业务需求的范围。所有业务信息是否得到完整的体现,所有技术信息是否已经完整的展现。是否存在未被响应的需求,是否纯在含糊不清的需求有待澄清。有一点需要注意,这种完整性的覆盖需要在原有的设计纸面上做适当延伸,具备一定的前瞻性。
规范化:确保模型可以符合第三范式等常见的模式,数据模型中包含概念模型、逻辑模型和物理模型。例如在概念模型中可以从业务需求、应用范围及实体属性对应关系等方面来进行规范化评定。逻辑模型中可评价的方法较多,如确保主键是唯一稳定强制的,逻辑模型中不应该存在可重复的索引等。
结构性:结构性可以确保创建的数据模型符合常见的数据模型准则,具备合理结构性的数据模型可以通过工具快速识别模型中的潜在风险。一般会通过一致性及完整性两方面进行判断。
抽象性:抽象性是一个有意思的概念,是扩展性及适用性的一个中间平衡。是数据模型的一个重要特征。增强抽象性意味着扩展性的增强,适用性的降低。取得平衡是一件重要的工作。扩展性意味着系统会更加灵活适应更广泛的业务范围。而适用性意味着模型与实际业务更加贴合,对解决业务面临的困难具有重要意义。抽象性的评价需要从扩展性和适用性两方面开展寻求合理的中间点。
标准性:数据模型是否能遵循统一的命名规则。包括包名称、数据表名称、属性名称等等。统一的命名规则能够规范模型,避免因为名称不一致造成的概念混淆,及内容标准程度、完整性等方面的确认。
可读性:数据模型是否方便查阅,布局是否合理,是否方便浏览查阅。评价从模型、实体、属性等方面开展。模型方面确保大而复杂的模型被分成多个子模型,模型中不包含过多层级的继
承关系。实体方面包括合理的颜色及布局,关键实体的重点标注等。属性方面涉及名称及归类。
定义性:数据模型中的实体、属性含义等是否定义清晰。包含清晰、完整、准确等小的评价方面。
一致性:数据模型是否和企业型数据模型一致。包含术语、标准、用法。具体一些包括实体名称及定义的一致性,属性名称、定义、格式的一致性。
数据性:数据模型中的元数据和数据是一致的。数据模型中的属性和业务规则能够是与实际情况保持一致。数据名称、数据属性、业务规则、属性格式及规则、外键与主键的关联均是数据性可以开展评价的方面。
客户数据质量评价的原则与方法
客户数据质量评价的原则与方法 admin 2013-10-12 关于客户数据质量的困惑 “什么样的客户数据质量是比较好的?”“为什么我们的客户数据看起来很不错,可是在进行电话营销时,客户接触率和营销效果确差强人意,与期望大相径庭?”在进行数据库营销的讨论和交流中,经常有人问到这样的问题。 这些问题反映出了很多在从事数据库营销或直复营销过程中的营销策划人员和运营管理人员经常面临的问题和困惑。 几乎所有的组织都需要数据,一些行业严重依赖于客户数据,如银行、电信、保险公司等。毫无疑问,较差的数据质量给企业营销带来的损失非常巨大!试想一下,如果你的呼叫中心正在试图向非目标客户进行大规模电话营销活动,或是你的企业正向那些早已过期的邮寄地址寄出了数以万计的促销宣传资料。这些给公司带来的损失有多少?不幸的是,这样的情况几乎经常发生,而企业的数据库营销策划人员也经常面临着数据选择和评价的挑战。 理解关于质量的涵义 首先,让我们简单探讨一下“质量”的涵义。
在服务营销和服务管理中,通常将“质量”定义为:“满足不同客户的个性化需求的能力”。这样的定义有着一定的主观特征,也就是说不同的企业会根据其对客户需求和竞争环境的理解,来定义其产品与服务的质量特征。这可以用来解释为什么对于不同等级的客户提供的服务质量标准有所差异的原因,这也是为什么同样是提供点对点的航空运输服务,某些航空公司的服务质量和客户体验要好于其他一些竞争者的原因。 国际标准组织将质量定义为:“产品或服务所具备的满足明确或隐含需求能力的特征和特性的总和”。这样的定义虽然更明确,但对于大多数的人来说,过于专业和抽象。 一个比较通俗且受到多数人认可的对质量的直观定义是“适合使用需求”。这也是我们本文的一个主旨,没有质量绝对完美的数据,对于数据质量的评价也是要根据数据的使用需求来进行评价的。只要能够适合使用的需求,我们就认为数据的质量是符合要求的。企业也应当本着有取有舍的原则,选择那些为企业所能利用的数据。 了解了质量的定义,接下来就可以进入客户数据质量的评价话题了。 数据质量评价的基本原则
客运服务质量考核标准
客运服务标准及服务质量考核管理细则 第一章总则 第一条、为加强公司服务质量管理,提高司乘人员的整体服务水平,规司乘人员服务标准,进一步建立和健全服务质量考核机制。根据总公司《客运服务标准及服务质量考核管理规定》结合本单位实际,对公司客运服务标准及服务质量考核管理制定本细则。 第二条、客运服务标准服务质量考核按照公司“安全、正点、舒适、快捷;顾客满意,持续改进”的质量方针,实行分工负责,全员参与监督,公司实行月考核,月考核结束对服务质量存在问题的当月处罚公示并纳入年度总考评。年终统计汇总月考核结果,根据考评结果对单车服务质量优秀者奖励。 第三条、司属各客车经营者及司乘人员均遵守本标准,接受总公司的抽查与考评及本公司各项检查考核。 第二章组织领导及工作分工 第四条、为促进服务质量工作有序开展,成立服务质量领导小组; 组长:经理 副组长:主管客运副经理
成员:运调科长、运调科副科长、安技科长、租赁公司负责人、服务质量负责人;调度员、安全员、安检员、劳资员、GPS 监控员 第五条、组长负责考核全面工作,副组长主持全过程,各成员根据自己的岗位职责,对司属所有车辆及全体司乘人员进行当月服务过程资料的记载考核工作,每月召开相关人员参加专题考核会议,并统计结果,办公室主任负责记录、打分并进行公示,核实考核结果。 第六条、运调科长负责运调科日常工作,对运调科调度员、驻站调度员、业务员进行监督管理,可根据服务标准容,对司乘人员在服务过程中不规行为和不遵守公司规章制度,进行日常的监督检查,发现问题及时纠正。 第七条、运调科主管服务质量负责人负责乘务人员档案的建立、保管及更新建立乘务员台帐,负责乘务员岗前培训和每月组织司乘人员服务质量备课培训学习,服务质量考核及服务质量投诉处理工作,对司乘人员不按服务标准作业或违反公司规章制度进行经济处罚并进行批评教育,做好处理等记录。年参加学习不少于12次。 一、岗前培训容包括: 1、公司安全生产管理制度; 2、乘务员应知应会容; 3、乘务员岗位职责; 4、公司服务质量管理办法及分公司考核实施细则; 5、其他相关容。
质量评价指标体系
质量评价指标体系 华北水利水电大学图书馆查新质量评价指标体系 一、查新质量评价指标 《科技查新规范》对查新工作质量提出了明确的要求。查新工作质量可以通过以下“查新质量评价指标体系”进行评价。该指标体系是根据查新程序和工作内容而建立的,对查新人员自我评价查新质量和主管部门监督检查有一定的指导和参考作用。评价指标见下图: 查新质量评价指标体系图 从查新质量评价指标体系可以看出查新质量主要表现在文献检索质量和查新报告质量两方面。 二、文献检索质量
文献检索质量是整个查新质量的基础,检索质量的好坏直接影响到查新报告结论的准确性,即直接影响到查新报告的质量。检索质量可以从检索的全面性和准确性两个方面进行评价。 (一)检索全面性 “查全”与“查准”是用于判定情报检索系统检索性能的两个标准。查新检索是对项目内容新颖性的检索,具有较高的查全要求,需要相当数量的文献,在查全的基础上追求查准率。检索的全面性主要受查新点分析、检索标识、检索范围、检索年限、检索途径、检索策略、检索结果的检验与调整等因素的影响。 1.查新点分析 查新点分析是指查新人员在对查新项目内容全面了解的基础上,根据查新委托人对查新项目的科学技术要点等新颖性的查询要求和管理部门的查新规定,将需要查新的内容(一般为多主题)用一条条查新要点(单主题)清楚地表示出来,即分解开来,以便于找准查新点,选择相关文献,并进行比较,最终得出针对性强的公正、客观结论。该指标反映了查新人员对查新项目的实质内容的掌握程度,是检索的前提,是对比分析与论述的依据,是查新质量一个较为重要的影响因素。要求全面准确地理解查新内容,找准查新点。 2.检索标识 如果说“查新点分析”是概念分析整理的过程,那么检索标识的确定便是概念的转换。检索标识是指通过对查新项目的主题分析将自然语言转换成规范化语言,即确定检索入口的问题,包括分类号标
服务质量模型分析
对医疗行业的服务系统模型和服务场景模型分析 ——以重庆第七人民医院为案例作者:谭云升重庆理工大学市场营销 一.服务系统模型阐述 服务系统模型是关系营销中一个重要的知识内容,主要阐述了企业与顾客互动的重要性,并且在该模型中揭示了企业如何在实践中与顾客进行互动,互动需要企业内部的哪些支持,并分析了顾客期望的来源。 首先,从企业方面讲,需要界定企业使命,然后以此来确定服务概念。有了如上两步,接着才规划支持部分和互动部分。 1.支持部分。 (1)管理支持。这是最主要的,主要是指企业的管理者应该支持他们的员工,建立一种以顾客为导向的服务组织。 (2)物质支持。这是一种有形的支持,与顾客直接接触的员工往往依赖于这些物质支持提供服务。 (3)系统支持。这是指在技术、系统方面的支持,通过这些系统,保证员工方便的为顾客提供个性化的服务。 2.互动部分 互动部分实际上是讲在互动接触中涉及的一切资源,包括人力、物力、系统资源。包括: (1)参与到服务中的顾客,企业必须将顾客作为一种重要的资源进行管理,而不是把他们视为被动的服务接收者。 (2)与顾客接触员工。他们是服务提供者最关键的资源。 (3)系统和运营资源。这包括由系统和规章构成的和所有的运营和行政体系,直接影响顾客感知,又约束员工有内在影响。 (4)有形资源和设备。它们对功能质量产生影响。 其次,从顾客方面说,由于顾客价值生成体系的存在,导致期望的产生,于是希望与服务企业产生互动。 基于此,服务系统模型就构成了。服务提供者应该提供良好的支持服务和互动满足顾客期望,与顾客互动,解决顾客的问题。 二.服务场景模型阐述 众所周知,顾客实际经历的服务质量包括三个方面:what、how、where。那么,服务场景就是第三个因素where,服务场景的好坏会影响顾客感知服务质量。其模型如下:
服务质量评价体系
江苏省烟草专卖局文 件 苏专销〔2006〕32号 江苏省烟草专卖局关于下发江苏省烟草商 业 系统服务质量评价体系(试行)的通知 各市局(公司),东渡公司: 现将《江苏省烟草商业系统服务质量评价体系(试行)》下发给你们,请贯彻执行。 附件:《江苏省烟草商业系统服务质量评价体系(试行)》主题词: 服务评价体系通知 分送:省局(公司)各领导,省局(公司)机关各处室(部门)、公司 江苏省烟草专卖局办公2006年3月27日印发
室 打字:陈冰校对:王红(共印2份) 附件: 江苏省烟草商业系统服务质量评价体系(试行) 为进一步深化和落实“与客户共创成功”的服务理念,不断拓展“客户至上,服务为本,诚实守信,共同发展”的服务内涵,精心打造“中国烟草·江苏”的品牌形象,全面、客观、公正、持续了解和掌握全系统各单位的服务质量和服务水平,以推动全省服务质量的改进,服务水平的提高,特制定本评价体系。 一、服务质量评价体系的构成 服务质量评价体系主要包括四个方面内容: 1、客户关系管理水平:各单位客户关系管理水平是服务质量评价的重要内容,其外在的表现之一反映在客户的投诉之中。包括客户向省局(公司)“客户投诉中心”反映的投诉、建议、咨询及投诉回访满意度等情况; 2、客户满意度调查情况:包括省局(公司)“客户投诉中心”定期随机通过电话向零售客户进行满意度调查情况,适时委托第三方进行的客户满意度调查结果; 3、工业客户方面:包括工业客户向省局(公司)“客户
+工业客户方面得分×0.2+客户满意度调查得分×0.4 三、服务质量评价工作的实施 1、定期评价:“客户投诉中心”每两个月随机抽取零售客户总数2%的客户样本,通过电话向零售客户进行满意度调查。结合“客户投诉中心”和“局长信箱”等渠道获取的零售(工业)客户投诉、建议、咨询等情况进行综合评价。 2、通报信息:“客户投诉中心”定期在客户投诉通报中进行信息反馈,包括各单位综合评价结果及各项目得分情况,以激励先进,鞭策后进,促进全系统服务质量的全面提升。 3、系统改进:各单位要对公布的评价结果进行连续、系统分析,找出客户服务方面存在的问题和薄弱环节,不断研究并持续改进公司业务流程、经营行为、服务方式,以不断提高服务质量和服务水平,提高客户满意度。
项目评价质量指标说明
项目评价质量指标说明 一质量管理的依据 1 过程质量管理 对软件开发的整个过程进行质量管理。开发过程质量有保证,最后开发出来的软件的质量就会有保证。对开发过程进行质量管理,能够及时发现问题,解决问题。也符合软件工程的原则:“缺陷越早发现越早修改越经济”。 2QA和SEPG、QC的区别 SEPG:制定过程,实施过程改进; QA:确保过程被正确执行 SEPG应当提供过程上的指导,帮助项目组制定项目过程,帮助项目组进行策划;从而帮助项目组有效的工作,有效的执行过程。如果项目和QA对过程的理解发生争持,SEPG作为最终仲裁者。 如果将一个软件生产类比于一个工厂的生产。那么生产线就是过程,产品按照生产线的规定过程进行生产。SQA的职责就是保证过程的执行,也就是保证生产线的正常执行。 QC,检验产品的质量,保证产品符合客户的需求;是产品质量检查者; QA,审计过程的质量,保证过程被正确执行;是过程质量审计者 QA只要检查项目按照过程进行了某项活动没有,产出了某个产品没有;而QC来检查产品是否符合质量要求。 评价指标里包含和QA和QC的内容。 3公司程序文件 《软件设计开发服务控制程序》对软件产品设计开发过程进行了说明。 《过程和产品的监视测量控制程序》对软件产品的监视和测量进行了说明。4绩效考核 公司绩效考核里有100分的质量考核分数。质量考核分数根据项目质量评价分数计算。 二如何实施 参与项目的整个过程。从项目启动开始,参与需求分析、概要设计、详细设计、编码、测试和实施以及维护的所有阶段。每个阶段都要详细了解项目的情况,根据项目评价指标进行打分,同时提出改进意见。需要完善指标的,对指标进行完善。
服务质量评价模型
作为21世纪美国国家创新战略之一,服务科学的概念于2004年美国竞争力委员会的国家创新计划(NII)中提出,后逐步上升为一个学科—服务科学与工程[1]。它的研究目的是结合并利用决策科学、计算机科学、法学等诸多学科理论解决服务中存在的问题,提高服务效率,进行服务管理。 服务质量的评价与管理是服务科学研究的重点。目前的服务质量评价方法与模型有10多种,著名的有IPA、SERVQUAL、SERVPERF、EPI等。我国对于服务管理问题的研究还处于初级阶段,服务质量的研究大体停留在宏观层次上的理论分析,实证研究不足,旅游服务质量方面的研究则更少。本文研究重点就是利用服务科学理论方法,建立评价模型,分析评价旅游服务质量,具有很高的应用价值。 3 构建旅游服务质量评价模型 3.1 评价标准的确定 SERVQUAL和SERVPERF两种方法无疑是目前服务管理界影响最大的感知服务质量评价方法。SERVQUAL[2]感知服务质量评价方法根据服务质量5个维度设计了22个问题的调查表,首先度量顾客对服务的期望,然后度量顾客对服务的感知,两者之间差异作为判断服务质量水平的依据,SERVQUAL法应用广泛,可以对不同行业进行质量评价,且具有一定的可靠性和有效性,但无法有效证明服务质量是由服务期望与服务绩效差异之间差距来衡量的是其一大缺陷。992年,Cronin和Taylor[3]推出了SERVPERF评价法。SERVPERF 法继承了5个维度22个属性的SERVQUAL量表,但是减少了50%的调查项目,后经实证研究证明SERVPERF法在信度、效度、预测能力等方面均优于SERVQUAL。 3.2 旅游服务质量量表的界定 本研究的调查问卷在广泛听取专家学者、旅游从业人员、游客等意见的基础上,借鉴了《旅游区(点)质量等级的划分与评定》标准。由于景区外在环境受到游客的广泛重视,我们在有形性方面细化了―服务设施‖指标,最后得出包含5个维度,22项指标的旅游服务质量修正SERVQUAL量表。问卷的反映尺度选择李克特量表,即―完全满意‖、―满意‖、―不确定‖、―不满意‖、―非常不满意‖五种,分别记为5,4,3,2,1分。 3.3 层次分析法确定指标权重 层次分析法(Analytic Hierarchy Process,AHP)的原理是将人们的经验判断和专家意见定量化,建立目标层(旅游服务质量)、准则层(有形性、可靠性、响应性、保证性和移情性5个维度)、制约因素层(22个指标)的递阶层次结构,在保持判断标准一致的情况下,利用经验判断矩阵计算得出各因子对目标的权重。 我们建立的评价模型根据修正SERVQUAL量表的调查结果和AHP确定出的各指标权重,利用加权SERVPERF法,即SQ=I×P,最终可以评测出旅游服务质量。 4 对松潘旅游服务质量的评价 本研究选松潘作为旅游服务质量评价模型的实证。松潘属四川省阿坝州,是我国著名的旅游胜地。受汶川大地震及国际金融危机的影响,松潘旅游业发展遇到严重困难,急需查找旅游服务质量中的不足,进行二次创业。 4.1 数据收集与分析 为了准确收集所需数据,本评价模型调查表先由松潘旅游局志愿人员对20名游客进行了预调查,之后请了5名志愿者从2009年3月到6月期间,在松潘黄龙、松潘古城、牟尼沟、川主寺等景区(点)向游客发放问卷220份,回收211份,回收率96%,有效问卷200份 我们根据收集上来的数据,用统计分析软件SPSS测试了服务质量总体及各维度Cronbach α信度系数,结果表明调查问卷具有较高内部一致性。 4.2 评测松潘旅游服务质量
数据质量管理
数据质量管理 定义: 是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题,进行识别、度量、监控、预警等一系列管理活动,并通过改善和提高组织的管理水平使得数据质量获得进一步提高。 目录 1数据质量管理 2数据质量管理评估维度 3分析影响数据质量的因素 4MTC-DQM 数据质量管理的方法与步骤 一数据质量管理 数据质量管理是循环管理过程,其终极目标是通过可靠的数据提升数据在使用中的价值,并最终为企业赢得经济效益。 二数据质量管理评估维度 由于数据清洗(DataCleaning)工具通常简单地被称为数据质量(Data Quality)工具,因此很多人认为数据质量管理,就是修改数据中的错误、是对错误数据和垃圾数据进行清理。 这个理解是片面的,其实数据清洗只是数据质量管理中的一步。数据质量管理(DQM),不仅包含了对数据质量的改善,同时还包含了对组织的改善。针对数据的改善和管理,主要包括数据分析、数据评估、数据清洗、数据监控、错误预警等内容;针对组织的改善和管理,主要包括确立组织数据质量改进目标、评估组织流程、制定组织流程改善计划、制定组织监督审核机制、实施改进、评估改善效果等多个环节。 任何改善都是建立在评估的基础上,知道问题在哪才能实施改进。通常数据质量评估和管理评估需通过以下几个维度衡量。
1 数据质量评估维度 完整性Completeness:完整性用于度量哪些数据丢失了或者哪些数据不可用。 规范性Conformity:规范性用于度量哪些数据未按统一格式存储。 一致性Consistency:一致性用于度量哪些数据的值在信息含义上是冲突的。 准确性Accuracy:准确性用于度量哪些数据和信息是不正确的,或者数据是超期的。 唯一性Uniqueness:唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。 关联性Integration:关联性用于度量哪些关联的数据缺失或者未建立索引。 2 管理质量评估维度 配置管理Config Management:此维度用于度量数据在其生命周期内的一切资源是否得到了控制和规范,即数据的计划、产生、变更直至消亡的过程中,与数据相关的计划、规范、描述是否收到控制。评估指标包括:评估配置项的细化粒度、评估基线准确度和频度以及变更流程是否合理完善等。 培训 Training:此维度用于度量数据的生产和使用者在数据生命周期内的一切活动中是否经过了知识和技能的培训、培训效果是否满足岗位需要;受训的知识和技能是否经过审核和确认,受训的内容是否与企业文化和价值观一致;培训流程是否合理完善等; 验证和确认Verify & Validation:此维度用于度量数据在其生命周期内是否得到验证和确认。评估内容包括是否通过验证流程确保工作产品(数据)满足指定的要求、是否通过“确认”流程保证工作产品(数据)在计划的环境中满足使用的要求;“验证”和“确认”的流程是否完善; 监督和监控Monitoring:此维度用于度量产生和使用数据的流程在数据的整个生命周期内是否真正受控。脱离监控的信息、技术、计划、流程、制度,会导致数据质量低下。监督和监控的流程是否完善。 三分析影响数据质量的因素 影响数据质量的因素主要来源于四方面:信息因素、技术因素、流程因素和管理因素
数据质量具体评测指标及方法说明
数据质量具体评测指标及方法说明 一、主要评测内容 重点评测个案库的数据完整性、逻辑关系准确性。评测内容及指标计算方法会根据需要作适当调整。 二、具体评测指标及方法 (一)主要数据项完整情况 1、评测内容:重点评测个案库中的基本情况表,具体数据项包括姓名、性别、现居住地代码、户籍所在地代码、公民身份号码、出生日期、婚姻状况、户口性质等8项必填内容。 其中:每条个案记录中,只要任意一项主要数据项缺失,即认定为该条记录的主要数据项不完整。 2、评测指标:主要数据项完整率 3、计算公式: 主要数据项完整的人口总数 —————————————×100% 个案信息库包含的人口总数 其中: 主要数据项要通过单项逻辑校验,没有通过单项逻辑校验的视为数据项缺失。校验规则如下: (1)性别、户口性质、婚姻状况数据项均不能为空错值;
(2)姓名:7岁以上(含7岁)“姓名”不含“未取名”、阿拉伯数字、英文字母等不符合规范的文字,不少于两个汉字。7岁以下人口不做此单项逻辑校验。 (3)公民身份号码:7岁以上(含7岁)“公民身份号码”不含空格、性别码与性别匹配、长度为15或18位、校验码正确。7岁以下人口不做此单项逻辑校验。 (4)出生日期:不大于汇总数据时点。 (5)现居住地代码:不为空错值,当人员类别为外出时,现居住地代码不应为本地 (6)户籍地代码:不为空错值,当人员类别为外来时,户籍地代码不应为本地 (二)逻辑关系准确情况 1、评测内容:分为单表审核、表间审核两种类型,共计7个审核内容。 其中,每条个案记录中,只要任意一项逻辑关系不准确,即认定为该条记录的逻辑关系不准确。 (1)若总人口数据“婚姻状况”为已婚(代码为20 – 23 29),则与配偶有关的信息项目配偶姓名、配偶身份证(配偶身份证错误也视为空)项均不为空; (2)育妇卡片“育龄妇女初婚日期”加15年不能小于“育龄妇女出生日期”;
质量与效益评估系统指标分析
公正指标 一、立案变更率:分子为不予受理、驳回起诉和管辖异议裁定上诉后二审撤销的案件、一审判决二审驳回起诉的案件为立案变更的案件。立案数为刑事自诉、民事、行政一审收案数。其中信息填写点在:结案卡片上的结案方式为:不予受理,管辖异议,以及在填写一审结案卡片上面的二审结果中包涵‘撤销’。都会影响到该指标。 二、一审案件陪审率:一审普通程序中结案数包括刑事一审普通程序结案数、民事一审普通程序结案数、行政一审普通程序结案数中有人民陪审员参加的结案数。其中信息填写点在:立案的时候,在收案信息卡片上的适用程序。结案的时候在结案卡片上的陪审员是否参加。
三、一审判决案件改判发回重审率:对所有一审案件的结案方式为判决,改判数信息采集点在结案卡片上的结案方式为判决时的二审结果信息的填写。当在填写结案卡片上
的改判原因为:事实不清,证据不足,认定事实错误,适用法律错误。 四、生效案件改判发回重审率:再审改判数为数据取向为再审案件中结案卡片上面的结案方式为“改判”。再审发回数数据取向为再审案件中结案卡片上的结案方式为“发回重申”。 五、评查案件瑕疵率:此指标为手动数据输入,在计算之前由统计人员将该指标手动输入。 六、司法赔偿率:司法赔偿率指标分母为生效案件数与执行结案数之和。分子数据来源于赔偿案件中的结案方式为“决定赔偿”和立案案由除了“错误执行赔偿”两个条件同时满足。 七、优秀裁判文书比率:此指标为手动数据输入,在计
算之前由统计人员将该指标手动输入。 八、法定审限立案率:是指人民法院有没有在规定期限内立案。数据取向主要来源于立案时间-收案时间只差。案件计算范围:二审案件的法定立案期限为5天 指定管辖案件法定立案期限为3天 一审案件,当案件来源为“发回重申”时法定立案期限为2天 再审案件,当案件来源为“指令再审”的案件立案期限为2天。 刑事自诉案件法定立案期限为15天。 执行案件当案件来源为“申请”法定期限为7天,其他为2天。执行裁决监督案件为3天。 保全案件不进行计算范围。 其他无特殊情况说明的案件法定立案期限均为7天。 九、一审简易程序适用率:一审结案数包括刑事一审案件、民事一审案件。 十、法定(正常)审限结案率:不包含进行了延期申请的案件。注意与中止、不计入审限申请的区别。无审限的案件也不进行法定审限结案率 十一、结案率:结案数包含各类案件结案总数。受理总数为新收、旧存案件总数。
服务质量模型
服务质量模型 通过对以往有关服务质量定义的进行总结,可以看出,学者们往往从不同的研究角度出发,对服务质量的维度进行归类。Gronroos 认为感知服务质量由功能质量、技术质量和公司形象构成,这一分类将服务质量同有形产品的本质做出了区分。Gronroos通过进一步研究认为,企业形象在技术质量和功能质量之间起到了过滤功能,服务质量包括了功能质量和技术质量两个维度,在此基础上建立了感知服务质量模型,具体内容如图所示。 图Gronroos服务质量模型 服务质量的基本特性决定了服务质量是一个抽象的概念,它是通过顾客对服务的感知而决定的,因此服务质量是一个复杂的集合体。服务质量的构成要素就是站在顾客角度,研究顾客对服务质量产生感知的方面。在对服务质量要素的研究过程中,北欧和北美两大学派产出了明确的研究成果。其中技术质量又称为结果质量,或者说是在服务交易或服务过程结束后顾客得到的实质内容;一般来说,由于结果质量牵涉到的主要是技术方面的有形内容,因此,结果质量可以通过比较直观的方式加以评估,并且顾客对结果质量的衡量也是比较客观
的和容易感知,从而结果质量是顾客评价服务好坏的重要依据。功能质量又称为过程质量,是指顾客是如何接受或得到服务的。由于服务具有无形性和不可分割性,因此服务过程即服务人员如何与顾客打交道,或服务人员如何给顾客提供服务,必然会影响顾客对服务质量的看法。 北美学派的研究组合PZB通过研究顾客如何对服务质量进行感知发现有10个要素决定服务质量,即可靠性、响应性、能力、易接近性、礼貌、沟通、可信性、安全性、理解、有形性,并且于同一研究中提出了目前被广为应用的服务质量差距模型,如图所示。后来,PZB做了进一步的研究,将10个要素中相关性强的进行了合并,得到了构成服务质量的五个要素: (1)有形性:在服务过程中,能够被顾客感知到的实体部分,包括服务场所布置、服务设施、员工外表等; (2)可靠性:是指服务企业可靠、准确地履行其服务承诺的能力。这意味着服务企业每一次都及时、高效、一致、无差错地完成所承诺的服务内容; (3)响应性:是指企业能够快速、有效地为顾客提供服务。对于顾客咨询、提出的要求和投诉,企业应该迅速地给予解决。因为长久的、毫无原因的等待会使顾客对服务体验产生强烈的消极后果; (4)保证性:这方面与服务人员的知识、能力、得体有关,也与他们传递信任和信心的能力有关。包括服务人员拥有履行服务所必需的技能和知识、服务人员表现的礼貌、尊重、体谅和友好以及服务人员
数据质量评价模型的建立和实现
[摘要] 本文提出了数据质量评价模型、质量校验与评价方法,论述了“数据质量分析评价系统”的程序实现流程、总体结构及功能,介绍了系统的关键技术及进一步的研究方向。 [关键词] 质量模型质量检验质量评价 数据作为一种资源,是支撑信息化建设和应用的主体,根据“进去的是垃圾,出来的也是垃圾”这条原理,为了支持正确决策,就要求我们所管理的数据可靠,没有错误,能够准确地反映采油厂的实际情况。胜利采油厂数据中心存放了5千万条的数据,还在以每天2万条的速度加载,如何使这些海量数据在生产管理、科学研究、企业决策中发挥应有作用,使用户能用、敢用、愿用,使数据真正为企业服务,这是几乎所有信息化企业亟需迫切解决的问题。为解决数据质量问题,各种管理手段、技术手段和新的数据评价体系不断被应用在数据的采集和加工过程中。 一、数据质量评价模型的提出背景 采油厂的数据资源具有:横跨专业多,数据采集密度大、频度高,数据处理流程复杂等特点,为了保证数据的可用性,数据管理人员在客户端、服务器端均设置了数据质量审核规则,但是依然不可避免存在比例较高的数据质量问题,典型的有记录不全、数据遗漏、数据错误、多义字段、矛盾值、违背业务规则、无法关联等。产生数据问题的根本原因可以归结为以下几个方面: 1.没有从数据资源的战略高度对数据质量进行统一完整的定义,导致数据的分析评估没有统一可靠的标准; 2.数据质量还停留在定性评价,不能实现精确的量化评价,只是在业务需要某个数据时,才到库里去手动统计,无法动态记录某个单位、某个月的真实数据质量发生情况,导致数据质量考核缺乏可信的数据依据,大大影响考核力度; 3.没有一个能同时面对用户、专业部门、数据管理人员的可视化的数据质量监控评价平台,三方无法共享一个平台,共同实行数据管控一体化,导致业务规则的变更滞后,问题数据在库中的长期滞留; 4.也许有了N个业务模型,但是没有把它放到时间轴上去控制流程,导致实际生产中应该发生的活动的部分生产数据遗漏; 虽然影响采油厂数据质量的原因是多方面的,但主要的原因还是集中在管理、制度和数据采集加工规范化方面。对于如何通过管理、制度、标准和流程来控制数据质量,提高数据可信度,我们提出建立采油厂统一的数据质量分析评价模型,使用管理手段和技术手段相结合的办法,建立一套完善的数据定义、控制、评估流程,依托科学严谨的数据监督和质量控制体系持续地改进数据质量。 二、数据质量分析评价模型构成 构成数据质量分析评估模型的要素分别为:基础模型、数据质量辅助模型、数据质量定义模型、数据质量控制模型、数据质量评价模型。 1.基础模型。基础模型部分是整个模型框架的支撑核心部分,其他质量模型的定义和控制必须以基础模型中的计划和标准为依据。基础模型主要是映射、定义数据采集标准,上载分单位的采集计划,同时纳入了约束规则定义规范、控制规则定义规范、模板定义规范。 数据标准:分两部分,一部分是直接映射应用中的标准,例如源数据库标准;另一部分是针对新增应用库和项目库标准的定义规范,包括代码定义标准、数据项定义标准(例如是取英文还是汉语拼音,取几个字符)、值域定义标准等等新增表准的建立规范; 采集计划:采集单位的每月上载的日度、月度、年度的采集计划;
数据质量评价的原则与方法
仅供参考! 目前,基于数据仓库的商业智能应用已经成为国内许多企业的IT规划项目,并受到企业管理层的关注。作为商业智能的基础,数据质量的好坏是影响商业智能应用效果的关键,但由于企业的信息化经过长期的积累和发展,数据质量参差不齐,脏数据的存在阻碍了商业智能应用的进程,下面将重点谈谈如何让脏数据改头换面。 数据的“往事” 脏数据是指源系统中的数据不在给定的范围内或对于实际业务毫无意义,或是数据格式非法,以及在源系统中存在不规范的编码和含糊的业务逻辑。 脏数据的存在主要是由于源系统的设计不够严密造成的。主要表现为:数据格式错误,数据不一致,数据重复、错误,业务逻辑的不合理,违反业务规则等。例如,未经验证的身份证号码、未经验证的日期字段等,还有账户开户日期晚于用户销户日期、交易处理的操作员号不存在、性别超过取值范围等。此外,也有因为源系统基于性能的考虑,放弃了外键约束,从而导致数据不一致的结果。 目前,大多数的银行业务系统的输入界面是采用COBOL语言或C语言开发的,界面处理功能不是很强,一些要素被设计成“输入”而不是“选择”,如企业客户的信用等级被设计成输入,输入的正确与否完全由操作员的理解决定,这也是脏数据产生的原因之一。例如,如果被设计成“选择”就不会出现把AAA输成“1”或其他了。 转换与清洗的实例 下面以银行业务系统的客户的惟一标识—客户号为例来讲解如何转换与清洗数据。 客户信息的处理是整个数据抽取、转换、清洗和装载(ETL)工作中最复杂的部分。目前业务系统中常见的客户信息处理的难点主要有以下两个方面。 客户的惟一标识混乱 银行的客户号一般由证件类型与证件号组成,这里就有一个问题,如果客户有多种证件怎么办?或者说某个客户办了移民,有了新的身份,系统中怎样体现出他是同一个客户?这些问题,除了少部分是由于发证机关造成的(如身份证重号),大部分是由于操作人员的操作不规范造成的。主要表现在以下三个方面。 A、客户身份证号问题 最常见的问题是客户的身份证从15位更换为18位。首先操作人员只要能输入新的客户号,就认为是一个新的客户;其次,即使操作员知道客户的身份证升位了,但在银行的客户信息中,客户号是惟一标识,如果对惟一标识进行更新,作为增量反映到目标系统中,但没有记录原客户号,对于目标系统来说就是一条新记录,而删除原有的客户信息在实际操作中可能是不允许或做不到的,因为在这个客户号上可能还挂了许多账户,即便物理删除了这条客户
服务质量考核办法及服务质量考核细则
服务质量考核办法及服务质量考核细则1、考核细则 项目类别 项目 名称 项 目 分 值 项 目 权 重 服务质 量标准 考核方法考 核 周 期 1、高级技术支持服务1.1电话 咨询 100 10% 参见附 件1 按次考核,每次超出响应时限扣5分, 每超出一个响应时限周期加扣2分,直 至扣完本项分值为止。 年 1.2电话 支持 100 10% 参见附 件1 按次考核,每次超出响应时限扣5分, 每超出一个响应时限周期加扣2分,直 至扣完本项分值为止。 年 1. 3远程 支持 100 10% 参见附 件1 按次考核,每次超出响应时限扣5分, 每超出一个响应时限周期加扣2分,直 至扣完本项分值为止。 年1.4现场支持100 10% 参见附 件1 未按标准实施造成一级故障,每次扣5 分,直至扣完本项分值为止。 年 1.5紧急故障 处理 100 30% 参见附 件1 按次考核,每次超出业务恢复时限扣 10分,每超出一个业务恢复时限周期 加扣4分,直至扣完本项分值为止。 年 2、软件 版本补丁服务2.1软件 升级 100 10% 参见附 件1 未按标准实施造成一级故障,每次扣5 分,直至扣完本项分值为止。 年 3、硬件 维修和更换服务3.1硬件 维修和更 换 100 20% 参见附 件1 按及时返还率考核,及时返还率每少1 个百分点,扣1分,直至扣完本项分值 为止 年 2、考核分数和扣款数额 综合维护保障技术服务考核总得分=(各项目得分×项目权重)之和。 (1)乙方应承诺服务质量考核得分高于或等于90分。
(2)甲方付给乙方的费用按全年的服务质量考核评分进行核算,核算方法如下: ①当乙方的服务质量考核得分高于或等于90分时,甲方按合同规 定的金额的100%向乙方付费; ②当乙方的服务质量考核得分低于90分时,每低0.1分,甲方有 权从合同付款中扣除合同总金额的0.1%比例的违约金,违约金累计总额不超过合同总额的5%。 (3)如果甲方在合同执行结束后两(2)周内没有提出考评意见,乙方将认为已经取得100%的考核分数。
标准和论文质量评价指标
附件2 南京工程学院硕士专业学位研究生 学位论文标准和质量评价指标 一、专业学位硕士研究生学位论文标准 1. 论文选题要求 专业学位硕士论文选题应源于生产实际,或具有明确的工程背景与应用价值,具有一定的技术难度,能够体现所学知识的综合运用,工作量饱满;论文应体现作者的知识更新及在具体工程应用中的新意,论文研究结果能对行业,特别是所在单位的技术进步起到促进作用。在满足全国工程硕士专业学位教育指导委员会(以下简称教指委)《关于在机械工程等十个领域试行工程硕士专业学位标准的通知》(教指委〔2011〕9号)和《关于试行工程硕士不同形式学位论文基本要求及评价指标的通知》(教指委〔2011〕11号)的要求的基础。重点在以下几个方面进行论文选题: (1)技术攻关、技术改造、技术推广与应用; (2)新产品、新设计、新工艺、新材料、应用软件的研制与开
发; (3)引进、消化、吸收和应用国外先进技术项目; (4)基础性应用研究或预研项目; (5)工程设计与项目实施; (6)较为完整的工程技术或工程管理项目的规划或研究; (7)企业的标准化项目。 2. 论文形式要求 根据《南京工程学院授予全日制工程硕士专业学位工作办法》,专业学位硕士的论文形式可以多样化,既可以是应用研究类学位论文,也可以是工程设计类、产品开发类或试验研究类论文,如工程设计、产品研发、工程专业软件开发、大型工程或特殊的试验等。 (1)应用研究类学位论文:指直接来源于所属工程领域实际问题或具有明确的工程应用背景,综合运用基础理论与专业知识、科学方法和技术手段开展应用性研究。研究成果能解决特定工程实际问题,具有实际应用价值。 (2)工程设计类学位论文:指综合运用机械或电气工程的理论、科学方法、专业知识与技术手段、设计工具等,对具有较高技术含量的工程项目、大型装备及其工艺等问题所从事的工程设计。 (3)产品研发类学位论文:指来源于所属工程领域生产实际的
服务质量评价指标
服务质量的评价指标 由于服务产品具有无形性与差异性等特征,服务产品的质量很难像有形产品的质量那样进行科学的测定与评价。根据美国学者白瑞、巴拉苏罗门及西思姆等所提出的服务质量模型,归纳出评价服务质量的5个评价指标,分别就是有形性、可靠性、响应性、安全性与移情性。 (一)有形性 有形性就是指服务被感知的部分,如提供服务用的各种设施等。由于服务的本质就是一种行为过程,而不就是某种实物形态,因而具有不可感知的特征。因此,客户正就是借助这些有形的、可见的部分来把握服务的实质。有形部分提供了有关服务质量本身的线索,同时也直接影响到客户对服务质量的感知。 (二)可靠性 可靠性就是指服务供应者准确无误地完成所承诺的服务。客户认可的可靠性就是最重要的质量指标,它与核心服务密切相关。许多以优质服务著称的服务企业,正就是通过强化可靠性来建立自己的声誉的。 可靠性要求避免服务过程中的失误,如果企业在向客户提供服务的过程中,因某种原因而出现差错的话,不仅会给企业造成直接的经济损失,而且更重要的就是会损害企业的形象,使企业失去潜在的客户,而这种损失就是无法估计的。 (三)响应性
响应性主要指反应能力,即随时准备为顾客提供快捷、有效地服务。对客户的各项要求能否予以及时满足,表明企业的服务导向,即就是否把客户利益放在第一位。服务传递的效率就是企业服务质量的一个重要反映,客户往往非常重视等候服务时间的长短,并将其作为衡量服务质量好快的一个重要标准。因此,企业尽可能缩短让客户等待的时间,提高服务传递的效率。 (四)安全性 安全性就是指服务人员良好的服务态度与胜任工作的能力,增强客户对企业服务质量的信心与安全感。服务人员良好的的服务态度会使客户感到心情愉快,自然会影响客户的主观感受,从而影响客户对服务质量的评价。服务人员具备渊博的专业知识,能够胜任服务的工作,会使客户对企业及其提供的产品产生信心,并对获得满意的服务感到愉快。 (五)移情性 移情性就是指企业与客服人员能设身处地为客户着想,努力满足客户的要求。这便要求客服人员有一种投入的精神,想客户之所想,急客户之所需,了解客户的实际需要,以致特殊需要,千方百计予以满足,给予客户充分的关心与体贴,使服务过程充满人情味,这便就是移情性的体现。 在这5个属性中,可靠性往往被客户认为最重要,就是核心内容。 按上述评价标准,可通过问卷调查或其她方式对服务质量进行测量。调查应包括客户的预期质量与体检质量两个方面,以便进行分析研究。
大数据平台 数据质量评价维度
附录A (资料性附录) 数据质量评价维度 A.1 完整性 按照数据规则要求,数据元素被赋予数值的程度。即完整性指的是数据信息是否存在缺失的状况,数据缺失的情况可能是整个数据记录缺失,也可能是数据中某个字段信息的记录缺失。不完整的数据所能借鉴的价值会大大降低,完整性是数据质量评估标准的基础。 表A.1完整性评价指标 A.2 规范性 数据符合数据标准、数据模型、业务规则、元数据或权威参考数据的程度。 表A.1规范性评价指标
表A.2 (续) A.3 一致性 数据与其他特定上下文中使用的数据无矛盾的程度。即一致性是指数据是否遵循了统一的规范,数据集合是否保持了统一的格式。数据质量的一致性主要体现在数据记录的规范和数据是否符合逻辑。 表A.2 一致性评价指标 11
数据准确表示其所描述的真实实体(实际对象)真实值得程度。即准确性是指数据记录的信息是否存在异常或错误。 表A.3 准确性评价指标 A.5 唯一性 数据唯一不重复。即唯一性是指度量哪些数据是重复数据或者数据的哪些属性是重复的。 A.6 关联性 数据的关联不可缺失的。即关联性是度量哪些关联的数据缺失或者未建立索引。 关联性评价因素: a)查找到的信息和主题不完全一致,但确是其中某一方面的阐述; b)查找到的信息集合多数在用户需要的检索主题内; c)提供的信息主题与用户检索主题相匹配; d)查找到的信息多数与用户需要的信息无关; e)信息必须和用户需求有相关性。
数据在时间变化中的正确程度。即及时性是指数据从产生到可以查看的时间间歇,也叫做数据的延时时长,及时性对数据分析本身要求并不高,但如果数据分析周期加上数据建立的时间过长,就可能导致分析出的结论失去借鉴意义。 表A.4 时效性评价指标 A.8 可访问性 数据能被访问的程度。 表A.5 可访问性评价指标 13
数据质量评价模型的建立和实现重点
数据质量评价模型的建立和实现 [摘要] 本文提出了数据质量评价模型、质量校验与评价方法,论述了 “数据质量分析评价系统”的程序实现流程、总体结构及功能,介绍了系统的 关键技术及进一步的研究方向。 [关键词] 质量模型质量检验质量评价 数据作为一种资源,是支撑信息化建设和应用的主体,根据“进去的是垃圾,出来的也是垃圾”这条原理,为了支持正确决策,就要求我们所管理的数据可靠,没有错误,能够准确地反映采油厂的实际情况。胜利采油厂数据中心存放了 5千万条的数据,还在以每天2万条的速度加载,如何使这些海量数据在生产 管理、科学研究、企业决策中发挥应有作用,使用户能用、敢用、愿用,使数 据真正为企业服务,这是几乎所有信息化企业亟需迫切解决的问题。为解决数 据质量问题,各种管理手段、技术手段和新的数据评价体系不断被应用在数据 的采集和加工过程中。 一、数据质量评价模型的提出背景 采油厂的数据资源具有:横跨专业多,数据采集密度大、频度高,数据处理流程复杂等特点,为了保证数据的可用性,数据管理人员在客户端、服务器端 均设置了数据质量审核规则,但是依然不可避免存在比例较高的数据质量问题,典型的有记录不全、数据遗漏、数据错误、多义字段、矛盾值、违背业务规则、无法关联等。产生数据问题的根本原因可以归结为以下几个方面: 1.没有从数据资源的战略高度对数据质量进行统一完整的定义,导致数据 的分析评估没有统一可靠的标准; 2.数据质量还停留在定性评价,不能实现精确的量化评价,只是在业务需要某个数据时,才到库里去手动统计,无法动态记录某个单位、某个月的真实数据 质量发生情况,导致数据质量考核缺乏可信的数据依据,大大影响考核力度; 3.没有一个能同时面对用户、专业部门、数据管理人员的可视化的数据质 量监控评价平台,三方无法共享一个平台,共同实行数据管控一体化,导致业务规则的变更滞后,问题数据在库中的长期滞留; 4.也许有了N个业务模型,但是没有把它放到时间轴上去控制流程,导致实 际生产中应该发生的活动的部分生产数据遗漏; 虽然影响采油厂数据质量的原因是多方面的,但主要的原因还是集中在管理、制度和数据采集加工规范化方面。对于如何通过管理、制度、标准和流程 来控制数据质量,提高数据可信度,我们提出建立采油厂统一的数据质量分析评 价模型,使用管理手段和技术手段相结合的办法,建立一套完善的数据定义、控制、评估流程,依托科学严谨的数据监督和质量控制体系持续地改进数据质量。 二、数据质量分析评价模型构成 构成数据质量分析评估模型的要素分别为:基础模型、数据质量辅助模型、数据质量定义模型、数据质量控制模型、数据质量评价模型。 1.基础模型。基础模型部分是整个模型框架的支撑核心部分,其他质量模 型的定义和控制必须以基础模型中的计划和标准为依据。基础模型主要是映射、定义数据采集标准,上载分单位的采集计划,同时纳入了约束规则定义规范、控 制规则定义规范、模板定义规范。
数据质量评测方法与指标体系
中国科学院数据应用环境建设与服务 数据质量评测方法与指标体系 (征求意见稿) 中国科学院数据应用环境建设与服务项目组 2009 年9 月
前言本规范是“中国科学院数据应用环境建设与服务”之标准规范建设成果之一。本规范由中国科学院计算机网络信息中心科学数据中心提出并归口。本规范由中国科学院计算机网络信息中心科学数据中心负责起草。
目录 1 范围.......................................................................................................... 2 规范性引用文件................................................................................................ 3 应用.......................................................................................................... 4 术语.......................................................................................................... 5 数据质量评测制度.............................................................................................. 6 数据质量评测原则.............................................................................................. 6.1 科学性原则 (5) 6.2 客观性原则 (5) 6.3 系统性原则 (5) 6.4 可操作性原则 (6) 6.5 针对性原则 (6) 6.6 引导性原则 (6) 7 数据质量评测一般流程.......................................................................................... 7.1 数据质量需求分析 (7) 7.2 确定评价对象及范围 (7) 7.3 选取数据质量维度及评价指标 (7) 7.4 确定质量测度及其评价方法 (8) 7.5 运用方法进行评价 (8) 7.6 结果分析及评级 (9) 7.7 质量结果及报告 (9) 8 数据质量评价主体的要求........................................................................................ 9 数据质量指标体系............................................................................................... 9.1 数据质量结构 (10) 9.2 主要数据质量指标 (11) 9.2.1 基本层 (12) 9.2.2 准则层 (13) 9.2.3 评价指标选取的基本要求 (16) 9.2.4 评价指标的筛选和权重 (16) 9.2.5 评测指标的冲突处理原则 (17) 10 数据质量评测方法........................................................................................... 10.1 定性方法 (18) 10.1.1 第三方评测法 (19) 10.1.2 用户反馈法 (19) 10.1.3 专家评议法 (20) 10.2 定量方法 (20) 10.2.1 访问量统计 (20) 10.2.2 计算机辅助检查 (21) 10.3 综合方法 (21) 10.3.1 层次分析法 (21) 10.3.2 缺陷扣分法 (26)