قبل از اینکه یک برنامه BI/DW (هوش کسب و کار / انبار داده) بتواند اطلاعات قابل اقدامی به پرسنل کسب و کار ارائه نماید، داده های کسب و کار باید به شکلی اصلاح شوند تا ویژگی های "تمیز بودن clean"، "سازگار بودن consistent"، "مورد توافق بودن conformed"، "جاری بودن current" و "جامع بودن comprehensive" را دارا باشند. که به آن 5C اطلاق می گردد.
•    تمیز بودن clean – داده های کثیف می توانند تلاش سازمان برای کشف حقایق را مختل ساخته و ریسک زیادی را برای تایید گزارشاتی که بر مبنای اطلاعات غلط ارائه شده اند متوجه مدیر امور مالی نماید. داده های کثیف داده هایی هستند که یا کم وکاستی دارند، یا  بصورت نا معتبر وارد سیستم شده اند و یا سایر مشکلاتی که طی عملیات مکانیزه  ادغام و تحلیل، داده ها را دچار خرابی کرده اند مانند داده های مشتری. میزان کثیفی منابع داده دلیل این است که چرا تمیز کردن داده ها از مراحل حیاتی انبار داده می باشد.
تمیز کردن داده‌ها فرایندی است شامل تشخیص،حذف و اصلاح  داده‌های نادرست از رکوردها، جداول یا پایگاه های داده، شناسایی بخش های ناقص و نادرست داده‌ها و سپس اصلاح و جایگزینی یا حذف داده ‌های خراب.
•    سازگار بودن consistent – نباید در مورد اینکه کدام نسخه داده ها صحیح است، استدلالی وجود داشته باشد. جلسات مدیریتی هرگز نباید به بحث و گفتگوهایی درخصوص اینکه چه مقدار از داده ها صحیح هستند تبدیل شوند، زیرا تمرکز اصلی مدیران باید روی نحوه بهبود رضایتمندی مشتری، افزایش فروش یا بهبود سود باشد. پرسنل کسب و کار که از سلسله مراتب سازمانی مختلف و با برآوردهای متنوع، برای اندازه گیری شاخص ها بکار گرفته می شوند، درخصوص اینکه داده های تراکنش ها چقدر تمیز هستند اختلاف نظر دارند.
•    مورد توافق بودن conformed – کسب و کار نیاز دارد داده های حوزه های مشترک و عمومی را تحلیل نماید طوریکه پرسنل آنها بتوانند از اطلاعات یکسان در تصمیم گیری ها استفاده نمایند. 
•    جاری بودن current – کسب و کار باید تصمیم گیری های خود را بر مبنای همان واحد پولی که برای آن نوع تصمیم لازم است پایه گذاری کند. در مواردی، مانند تشخیص کلاهبرداری در کارت های اعتباری، داده ها باید لحظه ای و در زمان باشند.
•    جامع بودن comprehensive – پرسنل کسب و کار باید تمام داده های مورد نیاز برای انجام کارهای خود را در اختیار داشته باشند، صرف نظر از اینکه داده ها از کجا آمده و سطح تفکیک پذیری آنها چیست باید تمام اطلاعات لازم را در بر گیرند.

داده ها بسیار زیاد هستند و نباید در استراتژی های BI و یکپارچگی داده ها عملکردی ضعیف داشت. اشتباهات بسیار گران و تاسف بار می شوند وقتی مشتریان زودتر از کسب وکار خطاها را کشف نمایند. سازمان ها، اکنون بیش از هر زمان دیگری باید درک کنند که مشتریان فعلی و بالقوه آنها چه کسانی هستند و هر محصول یا خدمت چقدر برایشان درآمد و سود دارد. این آگاهی نیاز به داده های تمیز، سازگار، مورد توافق، جاری و جامع دارد.
بهترین وضعیت برای یک سازمان زمانی است که علاوه بر استفاده از داده های تمیز، سازگار، مورد توافق، جاری و جامع، بطور معمول از فرایندهای تحلیل محور برای مدیریت و ارتقاء کسب و کار استفاده نماید. ابزارهای پیشرفته تحلیل مانند #مصورسازی_داده #data_visualization، #تحلیل_پیش_بینانه #predictive_analytics و #کشف_داده #data_discovery، اغلب نقش بزرگی در این امر بازی می کنند.

لذا مسیر پیش رو باید شامل این موارد باشد :
•    جدی بودن درخصوص #حکمرانی_داده #data_governance. حکمرانی داده ها، برای تعریف داده ها و شاخص های آنها از ارکان اساسی است زیرا اگر داده ها سازگار نباشند نمایش آنها اهمیتی پیدا نمی کند. 
•    جدی بودن درخصوص #یکپارچکی_داده data_integration. که البته بیشتر سازمان ها برای یکپارچگی داده ها با مشکلاتی مواجه هستند.
•    جدی بودن درخصوص صفحات گسترده spreadsheets صفحات گسترده که اغلب برای گزارشات استفاده می شوند وقتی به عنوان ابزار یکپارچگی و تبدیل داده ها بدون حکمرانی و معماری استفاده شوند باعث بروز مشکلات می گردند. اما اگر از یک صفحه گسترده برای تحلیل داده های تمیز، سازگار، مورد توافق، جاری و جامع بعنوان داشبورد، کشف داده و مصورسازی داده استفاده شود، آنگاه یک ابزار مناسب است.