数据质量管理（Data Quality Management），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。

通常数据质量评估和管理评估需通过以下几个维度衡量：
数据质量评估
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。

-
其实，我个人觉得，人家可能是觉得你的粮食产量和饲养羊的数量不准确，或者那本统计年鉴风评不好，数据有错误可能。

数据检测，从技术的角度来看，是要检测你每一项数据正确与否，你是否从年鉴上引用错误等等。但他这里的意思，可能是需要你，参考其他更多的资料，与这项资料进行验证，确定数据的准确性，同时，我认为你还需要理解羊的饲养量，粮食产量等之间的关系，羊的饲养量与什么有关，粮食产量与什么有关，那项数据是什么情况，数据来源是哪里，你的分析如何，这些数据质量如何。这样反复比较，确定数据的真实可靠性。

重点在“abrupt changes”，必须有合理的解释并进行相应处理。比如，是由于灾害引起？还是由于数据本身就有问题？