随着数字经济的崛起，数据已成为企业最有价值的资产。所有商业运作和业务流程都依赖数据，并由数据驱动。
咨询机构Digital Realty最近发布的一项研究表明，数据为全球最富裕的七个国家（G7）的经济贡献了超过1.7万亿美元。这一规模相当于全球第十大经济体，并高于韩国、俄罗斯和加拿大。
各行各业都在忙于制定相关策略以识别、捕捉和优化数据在商业决策中的作用。很多企业在此过程中面临一个隐性问题：虽然优质数据能为企业赋能，但不良数据会带来相反的结果，削弱、破坏竞争力、阻碍创新。
不良数据是指那些错误、不完整、无法理解、错位、不相关和过时的数据。在实践中，不良数据会浪费销售的时间，干扰数据科学家的工作，以及将IT的时间耗费在同步无法相互通讯的系统上。这一切都会导致人们对数据失信，令管理层无法果断决策。
许多企业在日常运作中都会因为数据不准确的问题而头疼。没有任何行业和组织能够幸免，如果问题无法快速解决，有可能造成严重的经济和声誉损失。
由于消费者体验开始成为品牌建设的重要部分，因此不良数据有可能对企业经营状况造成重大影响。以美国为例，89% 的企业管理者认为，数据不准确会导致消费者体验下降。
咨询机构Gartner的研究发现，很多企业认为，不良的数据质量对每家企业造成的损失平均每年高达1500万美元。在企业数字化进程中，数据和信息环境变得日益复杂，除非及时处理不良数据问题，否则相关经济损失有可能会继续攀升。
行业对数据培育的必要性普遍缺乏认识。虽然已有像亚马逊、谷歌、爱彼迎（Airbnb）等善用数据的公司正在利用数据绘制消费者行为模型，以改善用户服务，但大多数企业对数据仍未形成清晰的认识。
近60% 的企业没有对不良数据每年造成的经济损失进行统计。Gartner指出，领先的信息驱动型企业正在积极测算其信息资产的价值、不良数据的成本和优质数据的价值。这为它们在市场赢得了优势。
那么，企业的首席信息官应采取哪些措施来清理数据呢？
集中：清理不良数据不可一蹴而就，需要以长远眼光看待问题。首先，不要把重点放在理顺数据进入企业的不同渠道上，而是专注制定一套集中化数据管理策略，同时确保能从源头对数据进行检测。
整合：在大型企业和机构内，不同部门运行着多个数据库，还有一些不为人知的数据来源。如果企业在不同地点有多个分支机构，情况会更为复杂。整合和分类数据库以及信息库可最大限度减少不良数据的产生，促进企业数据的标准化。
标准化：分析数据，加深对数据的认知。不良数据的一大成因是企业的数据收集过程缺乏标准化。必须在企业内部以及供应商、合作伙伴之间实施一套标准化参数，最大限度减少不良数据进入企业的途径。
调查：了解数据污染的根本原因。即利用对标数据进行数据基准校正，厘清数据污染的本质。这将有助于修正异常并将数据恢复到未受污染的初始质量。
消除：数据重复是数据不准确的主要原因之一，尤其是当存在多个数据库时。过程中人为失误则可能加剧这一问题。通过整合数据，我们有机会消除重复数据，以达到标准化的基准。这一过程可能需要花费一些时间，但也是快速获取客户信息和提高商业智能的必要条件。
清洗：云平台、尤其是混合云有大量数据清洗工具可供选择，提供了一个清洗、净化数据的理想环境。
行业已形成广泛共识：正确利用数据能推动企业发展，创造真正的价值和巨大的经济利益。人们也越来越清楚地认识到，不良数据及其对公司声誉、效率和盈利能力的影响尚未引起足够重视。
随着我们对数据的依赖日益加深，数据的价值将继续提升。管理得当，数据将成为拥有无限可能的企业资产。反之，也可能令企业业绩严重倒退或导致难以想象的后果。
在数据驱动的未来，了解不良数据的成本将关系到每一家企业的存亡。
