• Indførelse af en klar datastyring: Fastlæggelse af retningslinjer for datahåndtering.
• Vedligeholdelse af data og optimeringsprocesser: Fejlkontrol og overvågning allerede ved dataindtastning.
• Medarbejderuddannelse: Skabelse af bevidsthed om retningslinjer og processer.
• Tekniske løsninger: Brug af passende værktøjer til kontrol og forbedring af datakvaliteten.

Høj datakvalitet skaber varig merværdi ved at:

• Gøre processer mere effektive,
• Reducere omkostninger ved fejl,
• Understøtte bedre beslutninger,
• Øge tilfredsheden hos brugere eller kunder.

Dubletter er dobbelte poster i databaser, som opstår på grund af forskellige stavemåder (f.eks. "Müller" vs. "Mueller"). De er ofte et resultat af menneskelige fejl og kan forringe datakvaliteten betydeligt.

De primære årsager kan opdeles i fire grupper:

1. Organisatoriske problemer: Manglende klart ansvar for datastyring.
2. Manglende data governance: Ingen fastlagte retningslinjer eller kontroller ved dataindlæsning.
3. Menneskelige fejl: Utilstrækkelig træning og uklare processer fører til dubletter eller uoverensstemmelser.
4. Tekniske udfordringer: Uegnede databasestrukturer eller værktøjer til datakontrol.

Data har en høj kvalitet, når de:

• Er tilgængelige og kan redigeres,
• Er forståelige, ensartede og fremstilles uden modsigelser,
• Er relevante, aktuelle, komplette og kan skabe værdi,
• Er konsistente, troværdige og fejlfrie.

Datakvalitet er afgørende for at skabe merværdi ud fra data og træffe værdiskabende beslutninger. I en tid med big data er det essentielt, at data er egnede til deres formål og "fit for use".