在企业实施数据质量管理项目的过程中，你认为哪种错误是最常见的？在即将启动企业级的数据质量管理项目之前，有哪些常见的错误是可以避免的呢？
数据质量管理错误No.1:期望灵丹妙药
一些企业认为通过购买打包式解决方案就能处理所有的数据质量问题，并且能将质量问题立即消除。企业开展数据质量项目的第一步，通常是购买数据质量工具。通过企业购买数据质量工具的频率，我们可以看出企业对质量管理“魔法工具”的热衷和乐观期望。在执行数据质量改善项目前购买软件，显然是处于应激的环境。同时数据质量是由技术驱动解决方案这一观点也是对大家的误导。似乎更多时候，高层管理者考虑的是如何“修理”不符合规则的数据，而不是考虑如何从源头阻止劣质数据的进入。
您的企业多长时间采购一次数据质量工具？您购买的工具是立即投入使用了还是被束之高阁了？尽管数据质量工具可以作为数据质量管理项目的一个重要组成部分，但企业首先要问自己，购买工具的动机并考虑自己的流程，以及这两方面对实现数据质量改善所能发挥的潜在作用。
数据质量管理错误No.2:没有正确的专业知识
一些企业还有这样的一种期望：只要数据质量项目在企业内部一启动，数据就会发生明显的改善。实际上，也不是这样的。开发数据质量管理项目是一个战略任务。它的成功取决于业务和技术这两方面专业知识的共同支持。数据质量管理的很大一部分情况是非常复杂的，尤其是企业级的数据质量管理，它是依赖于咨询的。
额外的复杂性是由方法和工具对流程的强耦合来引进的。通常，数据质量管理者需要对数据质量改善行动负有责任，因此他必须具备一定的知识或权力，否则就无法保证数据质量改善活动的进行。没有相应的知识和权力，就无法提出相应的数据质量解决方案，其数据质量改善团队也不清楚从哪里开始着手数据质量改善的活动。出现这种错误的原因就是因为没有引进具备适当的专业知识的人以支持和促进项目的启动。
数据质量管理错误No.3:企业文化变迁
我们试着改善数据的质量，却经常忽略我们必须在现存的企业文化中工作，以寻求改善的目标。如果不了解人们最初是如何引入的信息，技术也就无法终止数据质量的问题。
集中分析数据仓库的变化就是一个很好的例子。在将来自众多系统的数据项导入数据库之前应准备对其进行提取、聚合及转换等工作。当数据项被合并在一起的时候，就可能会出现数据质量问题（也许客户的名字或账号存储的形式会稍有不同，相似列的数据类型可能会不匹配，导致数据值的丢失或字段的不完整）。但是，没有上游系统控制者的配合，数据仓库管理者就会经常对控制输入数据的质量感到无能为力。想要数据仓库中的数据质量高，就需要上游管理者对数据质量有更严格的要求。问题就在于如何让“不起劲儿”的上游数据管理者能够有效的对数据质量进行管理，最终使得数据仓库中的数据质量得到其最初期望的改善。
如何避免数据质量管理中的错误
了解数据质量管理项目中常见的错误能帮助企业避免错误的发生。参考以下的几条经验有助于帮助企业数据质量的改善：
1.通过内部程序拓展数据质量团队中的角色，让数据质量改善专家也有相应的职责和责任。
2.别忘了对员工进行政策和程序使用方法的培训，尤其是对已有工具的使用。
3.项目自启动后便雇佣在管理数据质量项目方面经验丰富的专家。因为他们能识别出战术成功的机会，并共同为战略成功做出贡献。
4.雇佣外部的专家促进改善流程的启动，这将会使企业的数据质量改善团队安心，因为数据质量问题并不是唯一存在于自己的企业中，同时也会帮助企业学习到其他人的最佳实践。