ltiples fuente para el mismo registros, con diferente información.

Falta de la fecha de la última actualización del dato.

Análisis del formateo de los datos.

 Desajuste en los datos temporales.

Extracción, transformación y carga, con falta de integridad.

Estos errores comunes se pueden dar en cualquier ciclo de vida del dato.  La idea es ir a la causa del problema  y solucionarlo desde la raíz, no cometer el error de atacar el efecto corriendo procesos automáticos, que solucionen temporalmente el problema.

Acorde con las diferentes necesidades de la organización, hay que crear un plan estratégico de calidad de datos,  que soporte los diferentes tipos de usos, como: reportes operativos, dashboards de business intelligence,  inteligencia artificial , forescast, automatizaciones, robótica, ejecución de campañas de marketing y hasta la monetización de datos y en función de eso se definen las acciones para implementar el proceso de calidad de datos dentro de una empresa.