有了Ta，數(shù)據(jù)清洗 so easy！

2020-01-08

主數(shù)據(jù)來源于多個業(yè)務(wù)系統(tǒng)且包含大量歷史數(shù)據(jù)，不可避免地存在錯誤、沖突的數(shù)據(jù)，這些錯誤的或有沖突的數(shù)據(jù)就是 "臟數(shù)據(jù)"。

數(shù)據(jù)清洗顧名思義就是對“臟數(shù)據(jù)”進行清洗，是對主數(shù)據(jù)進行重新審查和校驗的過程，包括檢查主數(shù)據(jù)一致性、處理無效值和缺失值等，是發(fā)現(xiàn)并糾正主數(shù)據(jù)文件中可識別錯誤的最后一道程序。

數(shù)據(jù)清洗按照一定的規(guī)則把零散、重復(fù)、不完整的主數(shù)據(jù)清洗干凈，得到精確、完整、一致、有效、唯一的主數(shù)據(jù)，從而提高主數(shù)據(jù)質(zhì)量。

數(shù)據(jù)清洗是一個費時費力但又必不可少的工作。在數(shù)據(jù)清洗過程中，三維天地將根據(jù)客戶的需求制定清洗方案。

主數(shù)據(jù)清洗方案一般有兩種：

線下清洗

先對主數(shù)據(jù)進行清洗，導(dǎo)入系統(tǒng)后，系統(tǒng)再上線使用。在數(shù)據(jù)量不多的情況下，可以直接對數(shù)據(jù)進行清洗，對常見的幾種數(shù)據(jù)問題進行逐一排查清洗，具體步驟如下：

第一步：對重復(fù)的主數(shù)據(jù)進行去重；

第二步：對空值進行補充；

第三步：按照主數(shù)據(jù)標準，對引用值不規(guī)范的數(shù)據(jù)進行統(tǒng)一調(diào)整；

第四步：調(diào)整主數(shù)據(jù)值的格式與標準一致；

第五步：刪除冗余數(shù)據(jù)；

第六步：檢查主數(shù)據(jù)中與標準不一致的數(shù)據(jù)項進行逐一調(diào)整。

一般情況，線下數(shù)據(jù)清洗是一個非常龐大的工作，數(shù)據(jù)質(zhì)量越差，清洗的工作量就會越大。

為了提高工作效率，三維天地提供清洗工具來輔助清洗工作。既第二種數(shù)據(jù)清洗方式——線上數(shù)據(jù)清洗。

線上清洗

線上數(shù)據(jù)清洗先將初始化數(shù)據(jù)遷移到系統(tǒng)中，系統(tǒng)上線以后，建立數(shù)據(jù)清洗模型再對數(shù)據(jù)進行清洗。具體步驟如下：

第一步：清洗模型申請。新增一個清洗模型，選擇模型編碼，填寫關(guān)聯(lián)相似度及警告相似度。

第二步：配置清洗模型的顯示列。選擇需要參與清洗對比的列選項（參與相似對比的列必須啟用，且只能是在全文檢索索引設(shè)置中啟用），保存成功并提交清洗模型。

第三步：審核清洗模型。審核成功的清洗模型可進行清洗操作。

清洗模型建好后，將要清洗的數(shù)據(jù)關(guān)聯(lián)到清洗模型中，根據(jù)清洗模型和數(shù)據(jù)標準對數(shù)據(jù)進行清洗。大量主數(shù)據(jù)清洗時，可以劃分階段進行，保證數(shù)據(jù)清洗范圍可控，不影響系統(tǒng)及相關(guān)業(yè)務(wù)系統(tǒng)的使用。劃分原則可參考數(shù)據(jù)的申請時間、業(yè)務(wù)發(fā)生時間段、是否有庫存等。

數(shù)據(jù)清洗過程中往往會出現(xiàn)很多判斷問題，如：數(shù)據(jù)是否合乎標準，是否存在錯誤等，這些都可以通過相應(yīng)算法實現(xiàn)判斷。通過主數(shù)據(jù)清洗，可以保證主數(shù)據(jù)的唯一性、精確性、完整性、一致性、有效性，為各個應(yīng)用系統(tǒng)以及后續(xù)的分析決策提供高質(zhì)量的數(shù)據(jù)保障。

三維天地作為業(yè)界領(lǐng)先的信息標準化管理解決方案供應(yīng)商，致力于為客戶提供全方位高質(zhì)量的信息標準化管理服務(wù)。從客戶的實際需求出發(fā)，以先進的技術(shù)和定制化的服務(wù)贏得客戶的信任和支持。使信息標準化管理得到更全面的推廣，讓更多的企業(yè)體會信息標準化管理的魅力，共創(chuàng)信息化管理新時代。

上一篇：干貨分享→實驗室管理系統(tǒng)中的電子原始記錄下一篇：精誠合作全面升級 | 三維天地三度攜手智奇鐵路共建LIMS系統(tǒng)