• Införande av en tydlig datastyrning: Fastställande av riktlinjer för datahantering.
• Datavård och optimeringsprocesser: Felkontroll och övervakning redan vid datainmatning.
• Utbildning för medarbetare: Ökad medvetenhet om riktlinjer och processer.
• Tekniska lösningar: Användning av lämpliga verktyg för att kontrollera och förbättra datakvaliteten.

Hög datakvalitet skapar ett hållbart mervärde genom att:

• Möjliggöra effektivare processer,
• Minska kostnader för fel,
• Stödja bättre beslutsfattande,
• Öka nöjdheten hos användare eller kunder.

Dubbletter är dubbla poster i databaser som uppstår på grund av olika stavningar (t.ex. ”Müller” kontra ”Mueller”). De är ofta en följd av mänskliga fel och kan avsevärt försämra datakvaliteten.

De främsta orsakerna kan delas in i fyra grupper:

1. Organisatoriska problem: Inget tydligt ansvar för datahantering.
2. Bristande datastyrning: Inga fastställda riktlinjer eller kontroller vid datainmatning.
3. Mänskliga fel: Otillräcklig utbildning och otydliga processer leder till dubbletter eller inkonsekvenser.
4. Tekniska utmaningar: Olämpliga databasstrukturer eller verktyg för datakontroll.

Data har hög kvalitet när den:

• Är tillgänglig och redigerbar,
• Presenteras på ett begripligt, enhetligt och konsekvent sätt,
• Är relevant, aktuell, fullständig och kan användas för att skapa värde,
• Är konsekvent, trovärdig och felfri.

Datakvalitet är avgörande för att skapa mervärde av data och fatta välgrundade beslut. I en tid av big data är det nödvändigt att data är ändamålsenliga och ”fit for use”.