Datakwaliteit meet hoe geschikt data is voor het beoogde gebruik. Nauwkeurig, volledig, consistent, actueel en geldig. Slechte data kent vele vormen. Een ontbrekende waarde. Een dubbele record. Een datum in een verkeerd formaat. Een adres dat niet bestaat. Elk defect brengt kosten met zich mee. Een marketingcampagne stuurt post naar niet-bestaande adressen. Een financieel rapport overdrijft de omzet door dubbele vermeldingen. Een machine learning-model doet vertekende voorspellingen omdat de trainingsdata onvolledig was.

Datakwaliteit is geen eenmalige oplossing. Het is een continu proces. Definieer kwaliteitsdimensies voor elke dataset. Meet deze regelmatig. Stel drempelwaarden in voor acceptabele kwaliteit. Onderzoek de oorzaak wanneer de waarden dalen. De hoofdoorzaken liggen meestal in procesproblemen, niet in technologieproblemen. Gegevensinvoer zonder validatie leidt tot fouten. Systemen die geen gemeenschappelijk klant-ID delen, creëren duplicaten. Processen die onvolledige records toestaan, creëren hiaten. Het verbeteren van het proces voorkomt de fouten. Het verbeteren van de data zonder het proces te verbeteren, betekent dat de fouten terugkeren. Tools voor datakwaliteit helpen bij het profileren, opschonen en monitoren. Ze vervangen echter niet de verantwoordelijkheid. Iemand moet verantwoordelijk zijn voor elke dataset. Zonder die verantwoordelijkheid gaat de kwaliteit achteruit. Dat gebeurt altijd.

Dimensies van datakwaliteit

• Nauwkeurigheid — gegevens weerspiegelen de realiteit.
• Volledigheid — geen ontbrekende waarden
• Consistentie — dezelfde gegevens in alle systemen.
• Actualiteit — de gegevens zijn actueel.
• Geldigheid — gegevens voldoen aan de regels
• Uniekheid — geen duplicaten

Datakwaliteit is ieders verantwoordelijkheid. Als niemand zich ermee bemoeit, mislukt het.