■

在企业推动其商业智能的进程中，遇到的最大阻碍是什么？很多人会首先提到极差的数据质量。在商业智能领域里，缺乏优质的数据确实是一个很现实的问题，尤其是当企业开始重视商业智能并希望通过分析数据来做企业决策的时候。针对数据来源进行处理，有助于减少基本的错误，建立起信任度，并可解决很多商业智能项目在最初的实施阶段出现的问题。

但是如果一味强调对数据完美性的追求，那就会背离我们部署商业智能解决方案的初衷。实际上，没有完美的数据，数据也不可能完美。做出这种论断的多半是企业的IT或技术人员。他们常常感觉没有安全感，因为尽管他们知道数据是安全、可靠和备份过的，他们还是无法判断它的内容是好是坏。具有讽刺意味的是，只有在企业的管理者、决策者或数据分析专家在实际使用中接触到这些数据时，这些数据的质量和可用性问题才会真正出现。

在优化数据质量上所付出的时间和精力必须得与所获得的价值相平衡。绝大多数的应用场景并不需要完美的数据，他们需要的数据质量是在一定的容限范围内的。当然，容限范围的标准也是因功能和应用的具体场景而有所不同。财务应用对于数据错误的容忍度是很低的。但这并不是一个难题，因为金融管理这一职位本身承担了巨大的工作量和责任，因此财务交易数据的准确性是不难达到的。会计和审计的整个过程都是集中在数据质量的，它的目标是最大程度地从财务记录中减少错误。……