डेटा की गुणवत्ता यह मापती है कि डेटा अपने इच्छित उपयोग के लिए कितना उपयुक्त है। यह सटीक, पूर्ण, सुसंगत, समयबद्ध और मान्य होना चाहिए। खराब डेटा कई प्रकार का होता है। जैसे कि कोई मान गायब होना, कोई रिकॉर्ड दोहराया जाना, गलत प्रारूप में दिनांक होना, या ऐसा पता होना जो मौजूद ही न हो। हर दोष की एक कीमत होती है। किसी मार्केटिंग अभियान में मृत पतों पर मेल भेजा जा सकता है। किसी वित्तीय रिपोर्ट में डुप्लिकेट डेटा के कारण राजस्व को बढ़ा-चढ़ाकर दिखाया जा सकता है। किसी मशीन लर्निंग मॉडल द्वारा प्रशिक्षण डेटा अपूर्ण होने के कारण पक्षपातपूर्ण पूर्वानुमान लगाए जा सकते हैं।

डेटा की गुणवत्ता एक बार का समाधान नहीं है। यह एक निरंतर प्रक्रिया है। प्रत्येक डेटासेट के लिए गुणवत्ता के मापदंड निर्धारित करें। नियमित रूप से उनका मूल्यांकन करें। स्वीकार्य गुणवत्ता के लिए सीमाएँ निर्धारित करें। जब गुणवत्ता में गिरावट आए तो उसकी जाँच करें। इसके मूल कारण आमतौर पर प्रक्रिया संबंधी समस्याएँ होती हैं, न कि तकनीकी समस्याएँ। सत्यापन के बिना डेटा प्रविष्टि से त्रुटियाँ उत्पन्न होती हैं। जिन प्रणालियों में एक समान ग्राहक आईडी नहीं होती, वे डुप्लिकेट रिकॉर्ड बनाती हैं। अपूर्ण रिकॉर्ड की अनुमति देने वाली प्रक्रियाएँ डेटा में कमियाँ पैदा करती हैं। प्रक्रिया को ठीक करने से त्रुटियाँ दूर होती हैं। प्रक्रिया को ठीक किए बिना डेटा को ठीक करने का अर्थ है कि त्रुटियाँ फिर से उत्पन्न हो जाएँगी। डेटा गुणवत्ता उपकरण प्रोफाइलिंग, डेटा शुद्धिकरण और निगरानी में सहायता करते हैं। वे स्वामित्व का स्थान नहीं ले सकते। प्रत्येक डेटासेट के लिए किसी न किसी को जवाबदेह होना चाहिए। उस जवाबदेही के बिना, गुणवत्ता में गिरावट आती है। यह हमेशा घटती है।

डेटा गुणवत्ता आयाम

• सटीकता — आंकड़े वास्तविकता को दर्शाते हैं
• पूर्णता — कोई लुप्त मान नहीं
• संगति — सभी प्रणालियों में समान डेटा
• समयबद्धता — डेटा अद्यतन है
• वैधता — डेटा नियमों के अनुरूप है
• अद्वितीयता — कोई दोहराव नहीं

डेटा की गुणवत्ता सुनिश्चित करना हम सबकी जिम्मेदारी है। जब यह किसी की जिम्मेदारी नहीं होती, तो यह विफल हो जाता है।