数据清洗也叫数据清理，是指从数据库或数据表中更正和删除不准确数据记录的过程。广义地说，数据清洗包括识别和替换不完整、不准确、不相关或有问题的数据和记录。通过有效的数据清洗，能够确保所有数据集应保持一致并且没有任何错误，为以后数据的使用和分析提供支撑。
改进业务实践： 想象一下，如果您的数据记录中都没有重复、错误或不一致的数据。那么您所有关键的业务活动效率会提高多少？ 提高工作效率： 使企业能够专注于核心业务，而不是专注于找到正确的数据，或者由于不正确的数据而不得不进行更正，这一点至关重要。 干净的高质量数据可以使企业成为行业的标杆。 更快的销售周期： 营销决策取决于数据，为营销部门提供尽可能高质量的数据意味着销售团队可以更好、更多的转化潜在客户。 更好的决策： 我们之前提到过这个问题，但这个问题很重要，所以有必要重复说一遍。更好的数据=更好的决策。
想要更干净的数据？有时，考虑引入外部咨询顾问来帮助您起步会很有帮助。但是在执行此操作之前，企业可以遵循几个常规步骤，以便进入更好的数据清理状态：
负责人：需要一名数据清洗总体负责人，一名首席数据官（CDO）-如果公司任命了该职位的话。此外，还需要为不同的数据集分配业务和技术的负责人。 指标：理想情况下，数据质量应用1-100间的某个数字标注。虽然不同的数据可能具有不同的数据质量，但有了总体的数字度量可以帮助企业衡量其持续改进的情况。 行动： 应确定一组明确的行动计划以启动数据质量管理。随着时间的推移，这些行动方案需要随着数据质量的变化和公司优先级的变化而更新。
如果数据在成为系统中的脏数据（或重复数据）之前可以修复，则可节省大量的时间并省去很多工作量。例如，如果表单过于拥挤，需要填充过多的字段，那么这些表单中便存在数据质量问题。鉴于企业不断生成更多的数据，因此，在源端修复数据至关重要。
通过数据质量监控工具实现对企业数据的实时测量，提升数据质量，确保数据数据准确性。
标准化：确认每列中存在相同类型的数据。 规范化：确保所有数据都一致地记录。 合并：将多条重复的记录合并为一条有效、准确的记录。 聚合：对数据进行排序，并将其以汇总形式表示。 筛选：缩小数据集范围，仅包含需要的信息。
