- 1、本文档共81页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
数据质量管理与数据清洗
【-)阿里云
课程目标
学习完本课程后,你将能够:
1.掌握数据质量的定义、来源和评价维度
2.学会如何识别、评估和处理数据质量问题
3.能够根据项目和数据的具体情况,使用质量控制的流程保证项目结果的有效性
【-〕阿里云
课程目录
1.数据质量概述
1.1数据质量的定义
1.2数据质量问题的来源
1.3数据质量问题分类
1.4数据质量管理的必要性
2.数据质量管理标准
3.数据清洗技术
4.数据规约
5.数据变换
2【-〕阿里云
高质量
正确地反映了真实世界
达到了其在运营、决策和规划中的期望状态
期望状态
通常由个人或团体、标准组织、法律法规、业务要求或软件开发要求定义
3【-〕阿里云
数据质量的定义
数据期望状态
课程目录
1.数据质量概述
1.1数据质量的定义
1.2数据质量问题的来源
1.3数据质量问题分类
1.4数据质量管理的必要性
2.数据质量管理标准
3.数据清洗技术
4.数据规约
5.数据变换
4【-〕阿里云
数据质量问题的来源
·数据创建·数据传递
·数据装载·数据使用
技术问题
·数据库设计
·数据使用规范·人员培训
·质量管理机构·数据质量目标
·元数据描述及理解·数据质量管理标准·数据变化频率
5【-〕阿里云
管理问题质量问题
·使用流程·维护流程
·创建流程·传递流程
·装载流程
流程问题
信息问题
采集标准缺失,或标准执行不到位(技术:数据创
建、流程:创建流程)
■例如:注册信息表没有进行数据格式约束,
或填写时出现错拼、漏填等现象
源数据有问题但没有发现(技术:数据装载、流程:
装载流程)
■例如:爬取得到的网页数据,下载或购买得
到的数据集
软件、硬件、网络问题(技术:数据传递)
例如:传感器故障、网络延迟、灾害等
时间
公司名称
行业
轮次
金额
投资方
2019/3/11
儿童周末
教育
Pre-A轮
数百万人民币
北塔资本
2019/3/1
SOMBiotech
医疗健康
A轮
700万欧元
未透露
2019/3/11
Klaytn
企业服务
战略投资
9000万美元
未透露
2019/3/11
谊品生鲜
本地生活
B轮
未透露
腾讯
2019/3/11
常仁科技
企业服务
A轮
1亿人民币
未透露
BM
XB
NL
SG
SR
30001
女
36.
5'3"
30000
2987
男
27
175
20k
9527
49
5'4”
8000
101
女
16
5’7"
6【-〕阿里云
技术、流程问题
投融资数据
调查问卷表
SQL查询问题(技术:数据使用,流程:使用流
程)
■例如:Join时,没有发现笛卡尔积,聚合后
得到错误结果
处理手法有误(技术:数据装载)
■例如:没有使用合理的抽样方法,造成分析
结果偏差
SELECT
FROMt1GROUP
prod_id,prod_name,SUM(quantity)astotal_qaLEFTJOINt2bONa.prod_id=b.prod_id
BYprod_id,prod_name
sales_id
prodid
quantity
prod_name
100014
934
1
b1994
100015
935
9
b1995
100016
936
7
b1996
100017
937
2
文档评论(0)