对企业智能计划的成功来说，数据质量是一个关键因素。一个系统的坏数据能够很轻松地快速传播至其它系统。如果在整个企业范围内共享的信息存在冲突，不一致或者不准确，那么，与客户、供应商和其他人的互动的信息就会不准确，从而导致成本上升，可信度下降，失去业务机会。

SAS 数据整合解决方案提供单一环境，在数据整合流程中对数据质量进行无缝整合，将用户从数据剖析和规则创建中解放出来，将更多时间用于执行和对结果进行监督。企业可以对全异的数据进行转换和组合，消除数据之间的不一致的情况，在共同价值的基础上实现标准化，对数据的价值进行深入挖掘，过滤掉无效的数据，从而保证信息的一致性和可靠性。

在对数据进行剖析的同时可以快速建立规则，然后将这些规则自动加入到数据转换流程中去。这样就能加速清理后数据的开发和实施。工作流设计环境能够保证对现有数据轻松进行扩充，以提高所有企业数据的实用性和价值。

• 通过提高批次流程和实时流程的数据质量，为企业提供更加可靠的信息。
• 通过阻止坏数据的传播，从源头上对错误进行纠正，减少由于数据错误而为企业带来的代价高昂的成本。
• 通过定期对数据进行检查和清理，保证数据最新而准确。
• 对来自多个数据源的数据进行标准化，减少数据重复现象，帮助企业实现更加准确的报告、分析和业务决策。
• 通过生成和/或追加来自其它数据源的信息，提高现有数据的价值。
  
  

• 通过各种技术（包括标准化、转换与合理化）对数据库/数据仓库/数据中心进行清理，同时保持对数据进行准确的跟踪检查。
• 通过数据剖析来找出不完整、不准确或者容易引起误解的数据。
• 数据压缩和扩充。
• 制定可重复利用的数据质量业务规则，这些业务规则可以通过定制接口、消息队列和Web服务加以调用。
• 利用标准业务规则对交易进行实时清理。
• 数据总结。将大型静态数据库压缩至代表点，提高数据的可修正性，供后续分析使用。
• 面向全球20多个地区的特殊语言进行本地化。