没有比糟糕的数据让用户更痛苦的了。如果数据不够完整，不够正确或者显示了很多不相关的数据的话会很快让用户失去信心。
我们需要做的是：
- 需要投入精力来进行数据清理。不仅要关注重复数据的删除,而且数据质量还包括数据完整性以及相关性。例如，你可以强制填入完整的联系人姓名（只有姓，没有名是不合格的联系人）或要求每一个业务机会必须有一个联系人的角色等。
- 评估对象和字段的使用率并以此去适应当前的业务流程和报表。改变业务工具类似于搬家；通常情况下，你不会将之前家里的每一件东西都打包你到你的新家中。同样对于数据来说你也只会将相关的数据转移到新的工具中。
- 创建一个数据地图，确定每个对象的关系以及每个字段的数据类型(文本、下拉选项，日期、数量等），精度或长度和安全要求。
- 考虑数据的相互依赖关系和流程(例如谁是驱动方，谁是结果)。
- 建立一个数据管理策略以减轻后续数据清洗的工作。
我们不要做的是：
- 不要输入不必要的或不相关的数据。我们往往看到公司把员工或顾问大量的时间花费在长时间的数据迁移过程中，即使这些数据几个月甚至几年都没有使用过。
- 创建数据必填和验证规则不能完全代替流程，管理以及最终用户培训。
- 例如，一个管理员听到筹款团队抱怨说在成功获得捐款时他们没有得到及时的通知，无法进行下一步的感谢流程。系统管理员的解决方案是创建一个审批流程，在捐助成功前要得到筹款团队的审批。但是一个更好的解决方案是创建一个工作流规则，当捐款成功后通知筹款团队。
- 我们经常看到营销团队经常挣扎在不完整的潜在客户信息中，但是他们无法去验证这些数据，因为他们没有跟进潜在客户的手段。然而系统管理员需要电子邮件和电话字段在潜在客户页面布局中设置为必填。后来他们意识到是许多潜在客户没有被录入，因为潜在客户有的只有电子邮件或电话号码,而不是两个都有。一个更好的解决方案是创建一个验证规则，要求所有新线索必须含有电话号码或电子邮件其中一个信息。
