随着企业从越来越多的信息源收集到了无穷无尽的数据流，他们开始积累一个由数据存储、潜在终端用户和信息管道组成的生态系统。随着生态系统愈加复杂，数据停机，以及数据部分、错误、缺失或其他不准确的时刻，都会成倍增加。因此，数据团队把大部分时间花在了数据质量问题上，而不是花在了为企业创收的工作上。
数据可观察性可以被定义为整体视图，包括监测、跟踪和分流事件以防止系统停机。同时，数据质量是对如何适应数据集以满足企业的特定需求的衡量。
它们在哪里重叠？
数据可观察性是用来提高数据质量的。当组织采用数据可观察性来提高数据质量时，必然会有很大的效果。其中一些包括：
1、在影响用户体验前发现数据异常，从而节约企业成本。当异常发生时，数据可观察性引擎会立即提醒团队，从而使企业有时间和机会在问题影响到消费者之前进行调查和排除故障。由于数据工程团队在问题涉及利益相关者之前就得到了通知，他们可以及时修复数据管道，避免未来的异常情况危及数据完整性。
2、通过追踪字段级线状数据的可观察性来改善合作，有助于理解它们之间的依赖关系。
3、通过掌握被废弃的数据集来提高生产力，数据可观察性使关键数据资产的相关性和使用模式更加透明，在不同属性被废弃时通知他们。
4、通过减少解决令人厌烦的数据消防演习的时间来促进成本节约，并重新获得对关键决策数据的信任。
5、更好的协调数据工程和数据分析师团队之间的关系，有助于理解数据资产之间的关键依赖关系。
6、通过增加对数据资产的健康状况、使用模式和相关性的端到端可视性，推动更高的效率和生产力。
由此，可以得出结论，数据可观察性和数据质量依赖企业的良好运作。尽管有区别，但两者在各种方面都有重叠，有助于提高数据质量，更好的交付产品。
原文标题：Data observability vs data quality
原文作者：Vanitha
