字段|租赁大数据看板建设过程中数据清洗及程度思考( 四 )

对于结果要求可靠性高的分析，如财务报表，需要对填充、调整的数据量进行评估，填充的数据加上因为非格式问题导致的数据调整，一般不能超过数据总量的5%，且最终数据的平均值，应该与清洗前完全没问题的数据平均值基本一致，相差±1%，这样填充/调整操作才可信度高。具体比例因人而异，但是填充、调整过的数据量太多，可信度会大幅下降。
数据可信度越高，代表数据失真度越低，失真度越低的数据用于业务发展规划、分析时，得出的结论可靠程度才更高。
六、总结通过对数据清洗过程的分析，其实如何进行数据清洗，这其中的“度”量，与分析目的和场景息息相关，同一份数据，不同的分析场景，可能需要不同的清洗方案，从而现成不同的数据集合。
由于清洗方式不一样，得出的数据结论也会有小微的偏差，但是总体方向应该是一致的。
#专栏作家#iCheer，公众号：云主子，人人都是产品经理专栏作家。房地产/物业行业产品经理，Python编程爱好者，养猫发烧友。
本文原创发布于人人都是产品经理。未经许可，禁止转载
【字段|租赁大数据看板建设过程中数据清洗及程度思考】题图来自Unsplash，基于CC0协议