主数据项目中的数据风险
1、数据质量风险
主要发生在项目初期，如数据质量参差不齐，数据缺失等
数据质量的评价指标有：
准确性完整性一致性唯一性有效性凡是有助于提高数据质量的过程都是数据清洗的过程。
数据清洗的主要工作有：
确认输入数据修改错误值替换空值保证数据落入定义域消除冗余数据解决数据中的冲突2、数据转换风险
造成数据丢失数据不完整数据不一致数据转换的基本类型
简单变换（类型，形式）值域转换数据清洗
主要是检查有效值。
有效值复杂的重新格式化3、数据集成风险
建立完成主数据管理体系之后，就将要进入系统集成阶段了，目的是将数据推送给各业务子系统。系统集成过程中，会出现两种问题，分别是信息资源的丢失与信息资源结构的丢失。主要风险体现在系统多，关系复杂，系统封闭，不开放，开发平台不同，数据结构有差异。
4、其他风险
就通过企业内部调研各专业的需求难度较大。
治理任务对工作人员的只要任务造成影响。
企业缺少丰富经验的数据建模专家。
治理权责归属会设计各自的利益冲突。
多数据源同时治理时需要企业有预算支持
5、在项目开发与实施的角度，还有如下风险
需求风险：存在需求频繁变更等。
计划编制风险：计划并没有确定。停留在口头上。
开发环境风险：设施没有配备齐全。
设计和实现风险：设计质量底下。
过程风险：很多其他工作导致进度变慢。
