Az adatminőség azt méri, hogy az adatok mennyire alkalmasak a tervezett felhasználásra. Pontosak, teljesek, konzisztensek, időszerűek és érvényesek. A rossz adatoknak sokféle ízük van. Hiányzó érték. Ismétlődő rekord. Rossz formátumú dátum. Nem létező cím. Minden hibának költsége van. Egy marketingkampány nem működő címekre küld leveleket. Egy pénzügyi jelentés túlbecsüli a bevételt a duplikált adatok miatt. Egy gépi tanulási modell torzított előrejelzéseket tesz, mert a betanítási adatok hiányosak voltak.

Az adatminőség nem egyszeri megoldás. Ez egy gyakorlat. Határozza meg az egyes adatkészletek minőségi dimenzióit. Mérje azokat rendszeresen. Állítson be küszöbértékeket az elfogadható minőséghez. Vizsgálja meg, amikor a számok csökkennek. A kiváltó okok általában folyamatproblémák, nem pedig technológiai problémák. Az érvényesítés nélküli adatbevitel hibákat okoz. Azok a rendszerek, amelyek nem osztoznak közös ügyfél-azonosítón. A hiányos rekordokat lehetővé tevő folyamatok hézagokat hoznak létre. A folyamat javítása megakadályozza a hibákat. Az adatok folyamat javítása nélküli javítása azt jelenti, hogy a hibák visszatérnek. Az adatminőségi eszközök segítenek a profilalkotásban, a tisztításban és a monitorozásban. Nem helyettesítik a tulajdonjogot. Valakinek felelősséggel kell tartoznia minden egyes adatkészletért. E felelősségvállalás nélkül a minőség romlik. Mindig romlik.

Adatminőségi dimenziók

• Pontosság – az adatok a valóságot tükrözik
• Teljesség – nincsenek hiányzó értékek
• Konzisztencia – ugyanazok az adatok a rendszerek között
• Időszerűség – az adatok aktuálisak
• Érvényesség – az adatok megfelelnek a szabályoknak
• Egyediség – nincsenek ismétlődések

Az adatminőség mindenki feladata. Ha senkinek a feladata, akkor kudarcot vall.