美国好莱坞的警匪片中经常出现这样的镜头：警察往电脑中输入嫌犯的社会保险号（Social Security Number，SSN），就能立即调取出此人的相关信息，身高、血型、驾照号这些基本资料一应俱全，就连他最近的信用卡记录和纳税记录等也能立即被调取出来。

        从浩瀚的数据库和错综复杂的信息系统中如此迅速地找出这些数据似乎对于拥有世界上非常先进信息手段的美国政府来说，并不是什么难事。但细想下来，各种数据来自不同的系统、不同的地区，甚至同一数据的源头也可能不同，存在海量的干扰数据，如何分析、筛选、合并数据，并在很短的时间内找到所需的准确数据并非人们看到的那么容易，这背后需要强大的数据管理系统提供支持。

        除了美国政府，还有很多美国企业也正在领会到数据管理的重要意义。一些美国企业的信息化历程已经超过五六十年，各种信息系统更迭换代、技术覆盖面很广、数据庞杂且来源复杂，积累到一定量后不仅对信息系统运行的贡献力不大，甚至可能对其造成干扰。所以，许多企业开始针对数据进行治理，分析、合并各种历史数据，再从质量上佳的数据中寻求最有价值的数据，以供企业分析、决策使用。

        相对于美国企业，中国大部分企业的信息化历程不过10多年，信息系统采集、沉淀的数据看似还不至于对企业造成困扰。但事实并非如此，中国企业信息化时间虽然不长，但历程却同样复杂，尤其近几年，国内企业的信息化程度逐步加深，企业并行上线了ERP、CRM、SCM等管理信息系统。伴随而来的是“信息化的手段越高，积累的速度越快，数据膨胀的速度也越快”，数据质量问题日益困扰着中国企业。

        根据国家财政部的统计，国内80％以上的大中企业已经实现财务电算化，但企业数据的有效利用率却不足7％。这使得企业在信息化建设方面的巨大投入只能获得部分回报，IT资源浪费巨大。