評估改進后數據質量的投資回報率時需要格外注意，不要把那些只包含運營預算或收益百分比等不確切“行業數據”的商業案例擺到企業高管層的面前，他們是不會關注這樣的商業案例的。 擬定數據質量商業案例需要進行認真的調查研究，與業務領域專家進行討論，并且要穩健務實。
為了避免此問題，必須消除信息質量的人格化特征。 在可用于評估業務規則符合度的聲明中，你要簡明扼要地說明業務期望，從而消除數據中的價值判斷。 反過來，這個方法提供了對信息有效性進行量化的方法，即運用意在鼓勵信息開放的相關業務指標對信息有效性進行量化。
以下原則可以幫助企業將被動的工作氛圍變得主動：
第一，確定關鍵的業務數據質量預期;第二，清晰確定上述預期作為業務規則存在的身份;第三， 度量數據與所定義業務規則的符合度，從而提供關鍵數據質量指標。
1、先采購軟件
雖然數據質量軟件工具是數據質量計劃中的關鍵組成部分，但在采購之前還是應該問一下以下問題：采購的動機是什么?目前的流程是什么?在提高數據質量計劃有效性方面有什么改進潛力?
成功的企業在獲得數據質量工具之前都會采取兩項重要措施。 首先，進行業務需求評估，了解企業內普遍存在的數據質量問題。團隊成員在企業內部收集各種需求和愿望，并根據所需對這些需求和愿望排定優先級，從而反映出業務采購需求。其次，為了在采購完成后盡快部署資源，成功的企業制定了所需技術的使用策略和使用流程。
2、不會分析數據
如今，企業通常都會管理千兆、兆兆規模的數據系統，并且數據的規模仍不斷增長。但是，由于缺少全面的數據分析，這些組織很難發現潛在的數據質量問題。 如果無法了解存在何種問題，改進數據質量又從何說起呢?
為了了解存在的問題，你需要將有效的分析、評估流程與數據剖析、數據標準化、數據匹配等工具結合使用。數據剖析工具可以幫助分析師發現妨礙業務目標達成的信息缺陷。
全面的數據分析有助于提高數據質量問題識別的效率，以及制定消除這些問題的規則。
3、沒有儲備適合的專業人才
制定數據質量計劃是一項戰略性工作―其成功同時依賴于業務和技術專業人才。由于數據質量管理很大程度上，尤其是在企業級別，其性質是建議性的，因此數據質量計劃的作用就更為復雜。
不難想見，大家都期望一旦數據質量計劃啟動，數據質量就一定會有明顯的改善。流程工具間的緊密結合使問題更趨復雜。如果你認為數據質量管理員應當為一些行動負責，但是他卻不一定擁有實施這些行動所需的知識或權限，這就導致了潛在的兩難境地。這讓人不知該從何入手來解決問題。
構建數據質量計劃時，應該實施以下措施：
首先，在計劃開始時，招募一些在數據質量計劃管理方面有經驗的專業人士。這些人能抓住戰術上取得成功的機會，從而使計劃獲得戰略上的成功。
其次，邀請外部專家幫助啟動改進流程。 這樣做可以讓你的團隊明白，你們的問題不是特例，同時可以學習他人的最佳實踐。
然后，利用顧問的角色及內部流程，將數據質量改進的責任分攤到現有的信息管理部門。
最后，不要忘記實施有關策略和流程的培訓―尤其是要培訓如何使用所采購的工具。