用心清洗“脏数据”

针对数据科学领域的一项调查显示，当被问及“工作中面临的最大障碍”是什么，接近一半被调查者的回答是“脏数据”。什么是“脏数据”？简单地说，它是由于重复录入、并发处理等不规范操作，产生的冗杂、混乱、无效数据。这些数据如同垃圾一样，不仅没有价值，还会带来“污染”，需要耗费时间精力去“清洗”，所以被形象地称为“脏数据”。