Kualitas data mengukur seberapa sesuai data untuk penggunaan yang dimaksudkan. Akurat, lengkap, konsisten, tepat waktu, dan valid. Data yang buruk memiliki banyak bentuk. Nilai yang hilang. Catatan duplikat. Tanggal dalam format yang salah. Alamat yang tidak ada. Setiap cacat memiliki biaya. Kampanye pemasaran mengirimkan surat ke alamat yang tidak ada. Laporan keuangan melebih-lebihkan pendapatan karena adanya data duplikat. Model pembelajaran mesin membuat prediksi yang bias karena data pelatihan tidak lengkap.

Kualitas data bukanlah solusi sekali jadi. Ini adalah sebuah praktik. Tetapkan dimensi kualitas untuk setiap dataset. Ukur secara berkala. Tetapkan ambang batas untuk kualitas yang dapat diterima. Selidiki ketika angkanya menurun. Akar penyebabnya biasanya adalah masalah proses, bukan masalah teknologi. Entri data tanpa validasi akan menimbulkan kesalahan. Sistem yang tidak memiliki ID pelanggan yang sama akan menciptakan duplikasi. Proses yang memungkinkan catatan tidak lengkap akan menciptakan celah. Memperbaiki proses akan mencegah kesalahan. Memperbaiki data tanpa memperbaiki proses berarti kesalahan akan kembali. Alat kualitas data membantu dalam pembuatan profil, pembersihan, dan pemantauan. Alat-alat ini tidak menggantikan kepemilikan. Seseorang harus bertanggung jawab atas setiap dataset. Tanpa pertanggungjawaban itu, kualitas akan menurun. Kualitas selalu menurun.

Dimensi kualitas data

• Akurasi — data mencerminkan realitas
• Kelengkapan — tidak ada nilai yang hilang
• Konsistensi — data yang sama di seluruh sistem
• Ketepatan waktu — data terkini
• Validitas — data sesuai dengan aturan
• Keunikan — tidak ada duplikat

Kualitas data adalah tanggung jawab semua orang. Jika tidak ada yang bertanggung jawab, maka kualitas data akan gagal.