数据质量的概念即将被数据实用性理念所取代，但后者需要经过更为精细的测量，以确定数据的适用性。其结果将使IT部门摆脱关于数据整洁度的无谓讨论，转而探讨如何处理现有数据以提升绩效。重要的是，IT部门将应用语义和分析工具从不精确的数据中提取有用信息，并且能够更方便地整合分区数据。
以下8个方面可用于衡量数据实用性：
- 质量：数据质量虽然相当重要，但它只是用于衡量数据实用性的一个方面。
- 结构：结构化和非结构化数据的混合将具有重大影响，并且不同任务的混合程度不尽相同。
- 外在性：内部与外部数据平衡十分重要，可以对竞争优势等因素产生影响（外部数据的可信赖程度较低，但适合于特定的分析或任务）。
- 稳定性：关键问题在于数据改变的频率。
- 颗粒度：了解数据是否详细得当很重要。
- 新鲜度：如果大部分数据已经过期，数据实用性将降低。
- 环境依存度：了解解释数据所需的环境（元信息）十分必要。
- 来源：了解数据来源、经历的路径和使用地点可以为数据使用提供帮助。
