数据质量解决方案魔力象限中说：

每个企业无论规模大小，都需要数据质量， 但是随着越来越多的数据来自越来越多的来源，数据专业人员越来越难以将不断增长的数据混乱转变为可信赖的有价值的数据资产，数据管道可能会携带不完整和不准确的数据，从而使数据从业者的工作变得困难，并阻止数据驱动的计划实现预期的业务成果。

没有可靠的数据质量战略，就没有完整的数据管理计划

数据质量会极大地影响您的利润，魔力象限客户调查显示，组织估计不良数据质量的平均成本每年为8,290万元，将数据治理和数据质量定位为数据管理策略的重要举措。

不应通过独立的解决方案来管理数据质量

相反，数据质量是数据管理中的核心准则，它应该遍及所有地方，这需要集成和可扩展性，数据质量具有遍及我们平台和相关应用程序的广泛功能，其中包括自助数据准备，数据集成，实时集成，元数据管理和数据目录，被公认为数据质量解决方案魔力象限的，不仅可以验证我们建立数据质量愿景的能力，还可以验证我们帮助组织在数字化转型过程中取得成功的能力。

对数据质量影响的4种创新

该研究还考虑了数据质量市场中的技术和创新，让我们回顾一下这些关键成分， 普遍存在：水平而非垂直数据质量，将数据质量作为其数据管理愿景的关键组成部分，始终将数据质量视为确保任何数据管理项目成功的关键，集成部分而不是独立的应用程序，我们将数据质量嵌入到数据管道的每个步骤中，以便客户可以在数据生命周期的每个阶段获得他们信任的数据。

简便性：通过简单，高效，协作的数据系统使数据质量民主化

数据从业人员需要简单，智能，自动化的数据质量工具，以将数据混乱转化为有价值的可重用数据资产，自助数据准备工具，以弥合IT能力与业务需求之间的差距，进入的数据质量解决方案魔力象限。

自动化：数据质量变得智能

通过机器学习来扩大数据质量已经成为关键的区别，到2022年60％的组织将利用支持机器学习的数据质量技术来提出建议，以减少用于改善数据质量的手动任务，业务用户需要帮助以加速准备更好的数据，引入了更多由机器学习驱动的功能，以加速数据准备并让用户更快更好地处理数据。

将人员专业知识带回到数据中

尽管如此，尽管自动化很重要，但这并不能解决所有问题，数据质量的成功通常源于正确的人员，技术和流程联盟，相互配合以产生影响，人们必须保持控制，并且必须在数据链中吸收和运用人类的专业知识，为了获取这些知识，可帮助组织将数据验证分配给整个组织中的指定专家，并跟踪和审核进度，客户在上一个魔力象限中强调了塔伦德的管理能力，并继续为客户提供价值，使组织不仅可以提供该功能，还可以使用户与其数据进行良性循环的原因。

公司依靠数据质量来交付成功的数据策略

我们亲眼目睹了这些创新和新需求，并为在客户获得数据质量的旅程中提供支持而感到自豪，依靠数据能够为客户提供满足其需求的解决方案，并加深对客户的了解以及他们与银行合作的方式，并且受到严格监管，也了解对可信数据的需求，利用数据质量指数来衡量六个维度的数据质量，并随着收购其他以及随着数据源，流程和技术环境的变化，跟踪其改善或降低的质量。