随着组织将客户旅程数字化，低质量数据的影响成倍增加。这是新流程和新产品不断涌现的结果。由于这些流程产生的数据不断增长，数据控制可能不够强大，无法确保数据的质量。这就是数据质量维度发挥作用的地方。
与消费等其他数据阶段相比，金融机构越 加拿大电话号码数据 来越关注数据收集管理，这使得数据质量维度比以往任何时候都更加重要。其中许多因素包括政府最近关于 数据隐私和治理比如欧洲的 。除了监管驱动因素外，这种对数据收集的关注还受到客户不断变化的需求、数字渠道的扩展以及“先买后付”等多样化产品的增长的推动。
数据办公室在数据收集时必须优先考虑的质量维度如下：
准确性：数据如何准确反映现实情况，例如客户的电话号码？
完整性：是否有完整的数据可用于处理特定目的，例如“住房费用”以提供贷款？（列完整性 是否有完整的“电话号码”？组完整性 是否有“地址”的所有属性？）存储中是否有完整的填充率来处理所有客户？
有效性：数据是否为特定格式？是否遵循业务规则？是否为无法处理的格式？
使用 人工智能（） 正在不断增加，以产生促进客户旅程的洞察。信用决策、个性化和客户体验等用例越来越多地使用人工智能。必须确保各种数据集中的数据质量，以降低数据驱动模型的脆弱性。