构建工业信息资源质量指标体系是个困难的过程，特别在国家层面上，需要慎重设计与选择和业务相关的指标，将衡量资源质量与监控业务的活动绩效进行对比。质量指标的制定应坚持合理原则，以反映系统对资源质量的需求。质量指标的选择与质量控制模式相对应，而质量控制的范围、指标的种类和控制宽严程度等与系统建设与运行成本相关。如果指标选择过少，则无法达到控制要求；如果指标选择过多，或控制程度过严，则对应成本就过高。

在信息资源质量指标体系选择上，要考虑如下因素。

1）可度量性

质量指标必须可度量并且能在离散值域范围内量化。同时应注意，虽然许多质量特征都可被度量，但不一定都能转化为能体现与业务相关的质量指标。

2）业务相关性

如果某项指标不与业务运行效果关联，则其意义就很有限。因此，对每项数据质量指标，都应说明其满足数据质量可接受度的阈值及其与业务预期的关联性。

3）可接受程度

质量指标体系为数据质量的业务需求提供框架，对质量指标的量化将为数据质量水平提供实证依据，并以可接受程度的阈值为基础，来判断数据质量是否满足业务预期。如果数据质量表现等于或高于可接受定义阈值的程度，数据质量便满足业务预期；否则，需要重新考虑质量指标体系的设计，选择更适合的指标项，或变更既定指标控制的宽严程度。

4）责任制度(www.daowen.com)

数据质量指标是否满足业务预期，与对应质量保证体系的建立与实施密切相关。根据传统质量管理“产品质量是生产出来而非检验出来”之理念，可推广为“信息资源质量是设计与加工出来而非检验出来”之原则。因此，对数据质量加工就要设定各相应管理岗位的角色。通常，业务流程负责人是第一责任人，同时，数据责任人通常会被安排执行适当的查验与纠错任务。

5）可控性

任何适合作为数据质量指标的可度量的特性，均应反映应用系统领域的某些可控制因素。换言之，如果数据质量指标值的评估反映了不良数据质量，则应对所度量的信息资源采取相应的改善行动，使之达到既定目标。

6）可跟踪性

可量化的资源质量指标能衡量系统中资源的运行品质。工业信息系统运行涉及多个环节，对信息质量的跟踪就能帮助责任人监控在数据质量服务水平协议（SLA）框架范围内的相关活动，同时证明任何数据质量改善活动的有效性。当某项信息流程达到稳定，持续的质量跟踪会把统计控制流程固定化，以确保对数据质量持续可测。同时，可跟踪性也是开展可溯源性管理的前提。只有当各项指标在信息系统内部具有可跟踪性，才能在其脱离系统时为资源质量溯源提供可信依据。

7）用户参与性

如果没有各级各类信息资源使用者参与质量体系的设计和审查，潜在的数据异常乃至错误就可能无法发现。在自顶而下的信息质量评估方法中，有经验的用户在参与业务流程和关键数据设计时，往往会发现显在与潜在的资源质量问题。他们对业务流程如何使用数据，哪些数据元素对于业务运行关系重要等均有实际的理解。通过质量评审报告、质量记录和质量诊断能判定数据错误类型，他们还能评估各类数据问题对业务的影响。但另一方面，用户也许对上述资源指标体系不熟悉，或对如何将数据分解为各类与质量相关的元数据、主数据、校验数据和各种核验模型等不熟悉，这就需要与专业的数据质量分析员协作，才能设计出实用合理的资源质量保证体系。