什么是臟數據？
數據倉庫中的數據是面向某一個主題的數據集合，這些數據從多個業務系統中抽取，並且存在歷史數據。這樣就避免不了存在數據錯誤、數據沖突。這些錯誤數據和沖突數據就被稱為臟數據。比如：不完整的數據、錯誤的數據、重復的數據。
洗數據：發現並糾正數據文件中可識別的錯誤的最后一道程序，包括檢查數據一致性，處理無效值和缺失值等。
分類：
篩選、清除、補充、糾正
作用：數據清洗是數據預處理的第一步，也是保證后續結果正確的重要一環。若不萌保證數據的正確性，我們可能得到錯誤的結果，比如因小數點錯誤而造成數據放大十倍，百倍甚至更大等。在數據量較大的項目中，數據清洗時間可達整個數據分析過程的一半或以上。