تقيس جودة البيانات مدى ملاءمتها للاستخدام المقصود. فهي تتسم بالدقة والاكتمال والاتساق والتوقيت المناسب والصحة. أما البيانات الرديئة فتتخذ أشكالاً عديدة، منها: قيمة مفقودة، سجل مكرر، تاريخ بتنسيق خاطئ، عنوان غير موجود. ولكل عيب ثمنه، فمثلاً، قد ترسل حملة تسويقية رسائل إلى عناوين غير صالحة، وقد يبالغ تقرير مالي في تقدير الإيرادات بسبب التكرارات، وقد يقدم نموذج التعلم الآلي تنبؤات متحيزة بسبب نقص بيانات التدريب.

جودة البيانات ليست حلاً لمرة واحدة، بل هي ممارسة مستمرة. حدد معايير الجودة لكل مجموعة بيانات، وقم بقياسها بانتظام، وضع عتبات للجودة المقبولة، وتحقق من أي انخفاض في الأرقام. عادةً ما تكون الأسباب الجذرية مشاكل في العمليات، وليست مشاكل تقنية. إدخال البيانات دون التحقق من صحتها يُسبب أخطاءً. الأنظمة التي لا تشترك في مُعرّف عميل واحد تُنشئ بيانات مُكررة. العمليات التي تسمح بسجلات غير مكتملة تُسبب ثغرات. إصلاح العملية يمنع الأخطاء، بينما إصلاح البيانات دون إصلاح العملية يعني عودة الأخطاء. أدوات جودة البيانات تُساعد في تحديد خصائص البيانات وتنظيفها ومراقبتها، لكنها لا تُغني عن تحديد المسؤولية. يجب أن يكون هناك شخص مسؤول عن كل مجموعة بيانات، فبدون هذه المسؤولية، تتدهور الجودة، وهذا أمر حتمي.

أبعاد جودة البيانات

• الدقة - تعكس البيانات الواقع
• الاكتمال - لا توجد قيم مفقودة
• الاتساق - نفس البيانات عبر الأنظمة
• التوقيت المناسب - البيانات محدثة
• الصلاحية - تتوافق البيانات مع القواعد
• التفرد - لا يوجد تكرار

جودة البيانات مسؤولية الجميع. عندما لا يتحملها أحد، فإنها تفشل.