数据管理知识体系将数据质量 (DQ) 定义为“将质量管理技术应用于数据的活动的规划、实施和控制，以确保其适合消费并满足数据消费者的需求。”

由于对 DQ 的期望并不总是口头表达和为人所知，因此需要进行持续的讨论。DQ 取决于上下文和数据消费者的要求。实施有效的 DQ 管理使用 DQ 工具可帮助组织将 DQ 维持和改进到可接受的水平。业务领导者使用数据质量维度来衡量 DQ 并建立对数据的更多信任。

• 准确性
• 完整性
• 一致性
• 正直
• 合理性
• 及时性
• 唯一性/重复数据删除
• 有效性
• 辅助功能

其他定义包括：

• “适合一个目的。满足其作者、用户和管理员的要求。” (Peter Aiken 博士，改编自 Martin Eppler)
• “依赖数据的准确性、一致性和完整性才能在整个企业中发挥作用。” (米歇尔奈特)
• 用于解析和标准化、广义“清理”、匹配、分析、监控和丰富的工具和过程（高德纳)
• Strong-Wang框架：（麻省理工学院的 Wang 和 Strong和大马DMBoK)

辅助功能

访问安全

可解释性

易于理解

表征一致性

简明表示

附加值

关联

完整性

适当的数据量

准确性

客观性

可信度

名声

内在的 DQ：

上下文 DQ：

代表性 DQ：

辅助功能 DQ：

一些用途包括：

• 增加的价值组织数据 以及使用它的机会
• 减少风险和成本与低质量数据相关
• 改善组织效率 和生产力
• 保护和提高组织的声誉
• 数据剖析（建立趋势并发现数据中的不一致）
• 数据标准化（确保数据使用相同、一致的格式）
• 数据监控（当未达到 DQ 阈值时提醒数据管理员）
• 数据解析（发现数据是否符合可识别的模式）
• 数据清理