整合 Figure 3.5 與 Figure 3.6，將 Data Quality 從抽象的「正確」轉為 Fit for Use 的多維度管理問題。
能以原書六個 Data Quality Dimensions 系統化診斷資料品質。
企業準備用資料做 Analytics，但資料是否「夠好」不能只問有沒有錯字，而要看其用途、脈絡與多個品質面向。
| 檢查方向 | 管理問題 |
|---|---|
| Data Quality in Context | 資料是否適合目前使用目的？ |
| Six Dimensions | 品質必須由多個屬性共同評估，而非單一分數 |
建立 Data Quality Checklist，逐一檢查原書 Figure 3.6 所界定的六個維度，並連回實際 Use Case。
原書此處沒有提供通用的六維度權重或總分公式，因此不得自行指定權重。
Data 不必完美，但必須 Fit for Use。相同資料對某項任務可能足夠，對另一項高風險決策卻可能不足。
「依原書六個 Data Quality Dimensions 檢查以下 Dataset。只指出可由資料直接判斷的問題；無法判斷的維度標記『需要更多資料』。」
題目： 一份資料 99% 完整，就一定是高品質資料嗎？
參考解答： 不一定。Completeness 只是其中一面；若內容不準確、不一致、不適時或不適合用途，仍可能無法支援決策。