La Data Quality è un fattore critico di estrema importanza in tutti i progetti di datawarehouse. 
Gli errori, le anomalie, le divergenze e le duplicazioni tendono a propagarsi dai sistemi nei quali le informazioni nascono, fino al più alto livello di analisi strategico/operativa di cui spesso costituiscono la sorgente alimentante, con il risultato di rendere queste ultime inefficaci, approssimative quando non addirittura errate o fuorvianti, con il conseguente rischio di compromettere i processi decisionali che invece dovrebbero agevolare.

L’esperienza e l’approccio SDG nella gestione migliorativa della qualità dei dati hanno portato alla definizione di una check-list di attività:

• mappare le fonti alimentanti e misurare la qualità del dato che forniscono;
• individuare gli errori che le caratterizzano, con il duplice obiettivo di intraprendere azioni correttive direttamente alla fonte oppure a valle nei flussi di caricamento ETL;
• innescare un processo virtuoso di responsabilizzazione interna che si concretizzi con l'istituzione della figura del data steward e del data ownership;
• sviluppare gli opportuni algoritmi correttivi, di “enrichment” e univocità del dato supportati dai migliori tool del mercato;
• misurare la qualità del dato a valle del processo di alimentazione del DWH.