要體現(xiàn)數(shù)據(jù)價值，前提就是數(shù)據(jù)質(zhì)量的保障，質(zhì)量沒有得到 100% 保證的數(shù)據(jù)是很難體現(xiàn)出業(yè)務價值的，如果基于這些有問題的數(shù)據(jù)做決策支持，或做業(yè)務辦理，將會得到災難性的結(jié)果，讓領導層和數(shù)據(jù)使用方對大數(shù)據(jù)失去信心。

根據(jù)哈工大王志宏先生在科技導報發(fā)表的研究表明，如果沒有良好的數(shù)據(jù)質(zhì)量，大數(shù)據(jù)將會對決策產(chǎn)生誤導，甚至產(chǎn)生有害的結(jié)果。
在數(shù)倉建設上，50% 的數(shù)據(jù)倉庫因數(shù)據(jù)質(zhì)量而被取消或延遲。
在經(jīng)濟損失上，數(shù)據(jù)錯誤每年對美國工業(yè)界造成的經(jīng)濟損失約占 GDP 的 6%。
在醫(yī)療事故上，根據(jù)美國醫(yī)療委員會的統(tǒng)計，由于數(shù)據(jù)錯誤引起的醫(yī)療事故僅在美國每年就導致高達 98000 名患者喪生。
在電信產(chǎn)業(yè)上，數(shù)據(jù)錯誤經(jīng)常導致故障排除的延誤、多余設備租用和服務費收取錯誤，損害了企業(yè)信譽甚至會因此失去很多用戶。
在商業(yè)上，美國零售業(yè)每年僅因標價錯誤就損失 25 億美元。
在金融企業(yè)中：因數(shù)據(jù)質(zhì)量問題導致的信用卡欺詐失察在 2008 年即造成 48 億美元的損失。
被譽為“數(shù)據(jù)博士”的 Jim barker，用一個簡單的醫(yī)學概念來定義兩種類型的數(shù)據(jù)質(zhì)量問題：
第一類數(shù)據(jù)質(zhì)量問題是比較簡單而明顯的問題，我們可以使用自動化工具檢測到。
第二類數(shù)據(jù)質(zhì)量問題是非常隱秘的問題，大家都知道它是存在的，但它看不見摸不著，更處理不了，因為它需要放在特殊情境才能被檢測到。

它們之間的區(qū)別簡而言之可歸納為如下幾點：
第一類數(shù)據(jù)質(zhì)量問題首先需要“know what”才能來檢測數(shù)據(jù)的完整性、一致性、唯一性和有效性。這些屬性靠數(shù)據(jù)質(zhì)量軟件甚至手動很好地找到。你不需要有很多的背景知識，或者數(shù)據(jù)分析經(jīng)驗。只要按照 4 個屬性驗證它的存在，就可以判定它錯誤的。例如，如果我們在性別領域插入一個 3，我們就可以判定它到底是不是一個有效值。
第二類數(shù)據(jù)質(zhì)量問題需要“know why”來檢測時效性、一致性和準確性屬性。需要研究能力、洞察力和經(jīng)驗，而不是簡簡單單就可以找得出來的。這些數(shù)據(jù)集經(jīng)常從表面上看起來沒有問題。但是問題往往存在于細節(jié)中，需要時間去發(fā)現(xiàn)。Jim 舉的例子就是一份退休人員的雇傭記錄，如果我們不知道他們早已退休的話，是看不出來這個數(shù)據(jù)是錯的。
所以，解決這些數(shù)據(jù)質(zhì)量問題的關鍵就是需要一個復雜的、策略化的方法，而非孤立的、片面的來看問題。一旦數(shù)據(jù)質(zhì)量不好，我們就需要尋求自動化與人工的雙重方式才能解決這個問題了。

根據(jù) Jim barker 的經(jīng)驗：
第一類基本涵蓋了 80% 的數(shù)據(jù)質(zhì)量問題，但只消耗了我們 20% 的經(jīng)費成本。
第二類數(shù)據(jù)問題往往需要多方的輸入，以便發(fā)現(xiàn)、標記和根除。雖然我們客戶關系管理系統(tǒng)中的每個人都有購買日期，但購買日期可能不正確，或者與發(fā)票或發(fā)貨清單不符。只有專家才能通過仔細核查其內(nèi)容來解決問題并手動改進客戶關系管理系統(tǒng)。
第一類數(shù)據(jù)質(zhì)量的挑戰(zhàn)可以快速解決，但第二類問題提出了一個挑戰(zhàn)，必須依靠人類的專業(yè)知識才可以解決。事實上，我們可以簡單地通過引入一些工具和規(guī)則就可以解決 80% 的問題，也可以引入一個復雜的系統(tǒng)工程來解決 100% 的質(zhì)量問題，取決于我們希望達到什么樣的質(zhì)量標準。