(广东警官学院 网络信息中心，广东 广州 510230)

为了进行大数据分析，存储的数据首先要是有效的。计算机的普及带动了各行各业信息化的飞速发展，这也使得电子数据变得非常普遍，特别是随着当今大数据和人工智能的迅速崛起，大到国家层面、小至个人用户，都越来越关心数据存储问题。随着数据量的不断增大，数据所包含的经纬信息也越来越复杂，导致了系统之间的信息孤立现象越来越明显，在一定程度上影响了数据的有效利用[1]。

面对复杂的信息流，数据很多时候是不完整的，甚至本身就是有质量问题的，因此，想要得到更加有价值的信息，提高数据源的可用性和多样性，数据中心和业务系统的数据质量就成为了非常重要的因素，数据检测环节变得不可忽视。基于此，本文中通过智能分类算法构建数据质量检测方法，对进入数据中心的数据进行检测分析及规划后期的数据处理问题[2]。

1 检测模型设计

建立数据质量检测方法模型的主要思路是，通过提取数据特征值，对数据进行归类，从而对数据进行处理。图1中给出了改进后的数据质量检测模型，包括特征值提取、智能分类和后续流程的设计[3]。

图1 数据质量检测模型

数据质量检测模型包含数据采集、数据清洗、数据特征的定义、数据分类算法和数据的分析及处理。

数据采集是指建设程序接口,从不同的业务系统中将分散的业务数据引流到数据中心来集中存储，形成业务大数据。……