数据质量要求我们作为医疗保健数据管理公司保持一段时间后数据可持续性的能力。此概念涵盖了一组标准，例如：

数据完整性
​ 我们的数据质量团队会不断检查数据的完整性，也就是说，不存在“漏洞”。例如，我们检查数据源是否定期传输，并且没有部分传输。在D + 1（OpenHealth的商标

上刷新数据的情况下，这些控件尤为重要。

数据有效性
数据有效性是指对数据进行规范化的工作：输入格式，输出格式。一个典型的例子是产品和标签代码，OpenHealth必须在其中不断管理新代码和标签的报告

准确性
我们的分析平台中显示的数据HUB必须完全准确。因此，基于我们的知识库，我们的货源，地区，指标表和对象要遵守完全透明的规范。任何时候，所有用户都必须能够准确了解我们的指标是如何计算的，数据来源和数据的局限性

一致性
​ OpenHealth会连续计算数据库以及HUB中数据的一致性。控制示例：部门的总和必须等于国家/地区级别，“销售和市场营销必备”中的指标必须在“销售和市场营销高级”中具有相似的结果，等等。

可用性
​ 数据的可用性以及最终用户对数据及其文档的访问的简便性。我们的客户成功中心供您处理与数据可用性有关的任何问题

新闻
​ 在OpenHealth，我们相信实时。因此，我们的数据在D + 1上更新。我们还保证重新计算后台数据，这是在修改数据计算参数的情况下重新计算过去数据的可能性（例如：我于2019年9月向市场添加了2018年8月发布的产品。OpenHealth提供您自2018年8月以来的销售历史记录，而不是某些专门小组成员自2019年9月以来的销售记录）

任何时候，每个用户都可以找到我们数据的完美可追溯性，甚至可以追溯。 OpenHealth承诺以完全透明的方式共享其技术规格和计算规则。

OpenHealth上的数据质量检查示例：
​ 销售分解流程
​ 1级调查
2级调查