优质商业数据的四个属性
据质量时 识别高质量数据并非易事；它的价值有时取决于使用者及其目标。为了明确企业在制定数据战略时的目标，以下是数据通常被定义为“高质量”的四个主要方面：
准确性
这个属性看起来很简单；我们正在寻找正确的数据。例如，如果我们要给客户邮寄东西，我们使用的邮寄地址应该保证能够送达。
请记住，“准确性”本身可能与具体情况有关——例如，在10个可能与某家企业相关的电话号码中，如果你想联系当地办事处的总机，投资者关系号码就不合适。换句话说，准确性有时取决于具体情况。
很多时候，我们谈论准确性，仿佛它背后隐藏着某种宏大的真理，可以用来衡量它，但这并不总是恰当的。准确性的概念很微妙。它必须结合你所追求的特定属性来理解，有时甚至要结合数据的最终用途来衡量。
完整性
完整性取决于数据集是否涵盖了特定情况下所有可用的数据点。例如，如果一位客户的三分之二的购买记录未被记录，那么该数据 准确的手机号码列表 集就会低估该客户的价值。这种不完整的数据会持续损害公司识别所有高价值客户的能力，从而造成损害。
标准化
拥有标准化的数据可以帮助用户找到有效的方式来比较数据集。例如，建立地址数据标准可以让公司比较世界各地客户的邮寄信息，即使比 另请阅读：网络研讨会：它是什么以及如何进行？ 较东京和美国地址等截然不同的地址布局也是如此。数据格式的标准化对于信息输入至关重要，但对于识别重复数据点尤其重要。
权威
数据源必须权威、可靠且切合 电话号码巴西 实际。您的数据源必须可靠、行业权威，并受到所有数据使用者的信任。如果没有来自权威数据源的最佳输入，您的业务决策将会出错。
为什么数据质量对于当今的公司至关重要
世界各地的企业都在考虑、测试或采用新兴技术，以提升竞争优势、提高组织效率并缩短技术投资的价值实现时间。几年前，企业领导者专注于云计算、区块链和物联网 (IoT)。在撰写本文时，人工智能 (AI) 正占据着最多的关注和资源投入，因为领导者正在确定如何在其企业中最佳地部署它。
为了真正发挥作用，人工智能需要大量相关数据作为其假设和行为的基础。
优质数据更有可能带来良好结果，而劣质数据则可能导致幻觉、偏见和其他错误。劣质数据极其常见：德勤的数据显示，约三分之一的人工智能程序因数据管理不善而失败。
尽管企业在认识到高质量数据的重要性方面取得了长足进步，但许多企业尚未将优质数据与人工智能计划联系起来。技术协同效应的业务和数据科学专业人士来说
数据质量至关重要。他们必须将数据视为高价值资产，构建策略和平台，以便在组织内为无数用例提取、推理、分发和呈现新的业务洞察。
当相互依存的数据和技术拥有同等地位时，投资回报率 (ROI) 更有可能提升。因此，对于那些将数据质量视为业务重心的企业而言，数据质量将成为差异化竞争优势。