如果高管处理数据质量问题时面临这样的选择：由业务用户参与的主动数据质量计划，或者由IT主导的传统方法，那么他们应该选择哪一种方法？答案显然取决于IT经理是否能够让领导理解数据质量问题对于业务的影响。

　　根据分析师的观点，被动响应数据质量问题的做法很常见，但是通常是不恰当的。他们甚至更尖锐地指出，发现和解决组织系统中存在的数据错误占据了大量宝贵时间，并且可能会将数据质量专业人员拖入低效混乱的泥潭中。

　　在当前的业务环境中，业务过程由技术驱动，数据处理速度极快，如果不主动处理数据质量问题，很可能会使业务环境发生问题。“足够好还远远不够”（完美主义者的格言）从未像现在这样适用于数据质量领域。或者，正如McKnight咨询公司总裁William McKnight所认为的，它至少应该是这样的。

　　企业高管肯定理解进行正确决策的重要性。但是，他们是否认识到数据质量处理和所谓决策之间的联系呢？McKnight说：“高质量数据可能会带来高质量的决策，而高质量决策的价值是不可估量的。”

　　从数据处理过程开始就建立和保持顶级的数据质量，要求业务用户在输入和更新信息时严格遵守内部数据质量标准，是一种具有前瞻性的方法。为了赢得高级主管的支持，IT经理应该作好证明数据质量与底线之间因果关系的准备，对被动响应的成本和主动数据质量策略的潜在好处进行比较。

　　在许多组织中，这可能需要经过一个令人信服的解释过程。Gartner研究副总裁Lyn Robison说：“通过展示具体的案例和实验性数据，向企业主管解释为什么数据质量是业务策略的中心，是一个很好的做法。您应该考虑，他们已经对这些点进行联系，但是他们还在考虑很多东西。”

　　此外，根据Robison的观点，忙碌的主管们经常会假定改进数据质量是不可行的，或者开发一个健壮的数据质量项目是很难完成的任务。他说：“信息科学是一门相对较新的学科，对于企业高管而言，它可能就像黑魔法，但是改进数据实际上是很容易的。”

　　关注数据来源的质量

　　Larry English是咨询公司Information Impact International Inc.的总裁，他建议，公司应该根据W. Edwards Deming(作家及主导50年代日本制造业改革的咨询师之一)提出的原则来考虑信息管理和数据质量。按照Deming的理念，English将数据看作原始材料，从中可以派生有用信息，然后展示给业务用户——他认为这种方法能够促进与企业高管进行关于数据质量最佳实践的框架讨论。

　　English说：“无论我去哪一个公司，我都会到主管办公室，帮助他们理解信息质量的绝对性，使他们认识到，如果处理不当，就可能会对整个公司业务造成问题，并且引起数据丢失。这样做可以在公司中自上而下形成制定全面数据质量计划的共识。”

　　此外，业务主管必须认识到，使用数据质量软件查找和修复数据错误，仅仅是数据质量问题的一小部分工作。分析师David Loshin指出，数据分析工具及其他技术也能够帮助解决数据质量问题。但是自动化过程本身并不能解决数据质量问题。

　　一旦企业高管认识到需要批准和启动一个项目，让业务用户参与数据质量改进工作，那么他们也可能需要充当项目的带头人，才能保证公司中所有人都参与其中。

　　在公司内部也会存在一些影响新数据质量标准和规范实施的阻力;分析师指出，要推动整个企业范围的合作及在业务用户之间形成团队精神，最佳方法是由企业主管向全体人员解释高质量数据的重要性，然后继续定期讨论数据质量，合作缺失主要源于交流不足。