一位前途看好的高管将向公司高层作重要产品的分析报告。在准备过程中，她发现市场份额数据不对劲，于是马上请助理进行核对，结果发现市场研究部提交的数据有误。她随即作了修改，一场灾难得以避免。报告非常顺利，她心情大好，当即发给助理一笔奖金，并说道：“数据复核是我们的必修课。”但没人想到把此事反馈给市场研究部，遑论与对方合作改善数据质量。
我在几十家公司担任过数据医生，曾目睹这类故事反复上演。在电信公司，维修部受困于客服部提供的错误地址信息；在金融服务公司，风险管理部需要核对大量贷款材料细节；在医疗企业，患者临床信息的缺失增加了医生的工作难度。的确，数据质量难题无处不在，困扰着每一个行业、每一个部门。
与上述例子中的高管一样，与错误数据打交道已经成为员工日常工作的一部分。这是企业的一项巨大开支。研究表明，知识型员工50%的工作时间用于搜索数据、发现并改正错误，以及复核可疑数据。
一旦有漏网之鱼，企业可能深受其害：错误的化验数据可能危及病人生命；产品规格不清晰，可能使制造成本增加数百万美元；财务报告中的漏洞则可能搅黄一笔最好的投资。数据错误可能给企业声誉带来灾难性影响，2012年秋沸沸扬扬的苹果地图事件即是一例。
如果数据质量堪忧，管理者会在制定和实施战略时转而依赖直觉。在这种心态下，管理者往往不易接受反直觉的大数据分析结果，从而错失重要战略信息。
50年前，计算机界有了“垃圾进，垃圾出”的说法，而数据质量难题到今天仍未解决。但我认为，解决之道可能比预想的简单。问题的症结不在于技术，而在于数据提供者与使用者之间的沟通。最重要的是，企业必须意识到，IT部门并不对业务流程负责，因此无法从根本上改善数据质量；管理者必须真正对数据质量负起责任，这正是他们的职责。
供需方直接沟通
数据提供者固然对质量直接负责，但使用者也需评估数据是否可用。因此，生产环节和应用环节对数据的质量和最终效用同等重要。如果使用者认为数据质量低劣，他们通常会绕过该数据，或自己动手纠错。
但只靠单打独斗不可能系统地解决数据质量问题。数据提供者和使用者必须建立联系，共同找出问题根源，设计整体改善方案。因此本文开头所述那位高管的行为不可取：首先，因为她没有通知市场研究部，错误数据还在公司中蔓延；其次，她的专业资质不够，却自行修改了数据。
好消息是，数据提供者和使用者只需简单沟通，数据质量就能显著提升。我曾多次听到数据分析师说：“我们不知道有人需要这组数据，因此没投入太多精力。现在我们知道它很重要，下次包你满意。”提升数据质量最简单有效的方法，就是让数据提供者了解数据的流向和使用方式。
对企业管理者更大的好消息是，解决大部分数据质量问题，并不需要引进新技术或重新设计流程。在处理复杂问题时，规范化数据采集、自动控制，以及六西格玛等管理工具无疑会发挥作用，但只要数据提供者和使用者加强沟通，问题往往能解决大半。