Důvod pro řešení datové kvality není třeba dlouze představovat. Na co ale organizace velice často zapomínají je věnování dostatečné pozornosti řízení a dokumentaci datové kvality.
Ve většině organizací zodpovědnost za datovou kvalitu spadá na byznys, kde se však přístup k jejímu řízení může značně lišit.
- Kolega s dobrou SQL znalostí má napsaný svůj set kontrol, které si pravidelně pouští nad svými reporty a výpočtovými kroky. Jde o jeho set kontrol, který však v případě delší nemoci nebo při organizačním změnách není sdílen dál.
- Oddělení, které řeší práci s klientskými daty ve spolupráci s kolegy s DWH, při větším datovém problému přidá kontrolu přímo do prostředí DWH. Kontroly se historicky přidávají, ale nikdo není řádným vlastníkem, vzhledem k fluktuaci zaměstnanců chodí notifikace na nové kolegy, kteří netuší, co s tím a datový problém neřeší.
- IT tým zodpovědný za vývoj konkrétního systému na popud byznysu postupně nastavuje kontroly na vstupu (př. kontrola duplicit, našeptávač), kontroly jsou implementovány rovnou do kódu a při větším změnách napříč systémy se jen obtížně dohledává, co a jak má každý systém nastavený.
Společným jmenovatelem je chybějící prostor pro evidenci datových kontrol a vizualizaci měření výsledků datové kvality.
V dnešní době většina Data Governance nástrojů nabízí i modul, který umožnuje efektivní řízení datové kvality a reaguje na všechny hlavní požadavky – potřebu dokumentace, vytvoření Dashboardu pro řízení na různých úrovních – od výsledků jednotlivých kontrol po agregované „one data quality score“, jednoduché nastavení nových kontrol pro běžné uživatele, management problémů datových chyb.
Zavedení aktivního řízení datové kvality s použitím dobrého nástroje pod rozběhlé Data Governance aktivity je velmi důležitý krok, který postaví Data Governance v očích byznysu na mnohem vyšší úroveň.