数据质量检测
数据质量是保证数据应用的基础,它的评估标准主要包括四个方面:完整性、一致性、准确性、及时性。评估数据是否达到预期设定的质量要求,就可以通过这四个方面来进行判断。
完整性
完整性指的是数据信息是否存在缺失的状况,数据缺失的情况可能是整个数据记录缺失,也可能是数据中某个字段信息的记录缺失。不完整数据的价值就会大大降低,也是数据质量最为基础的一项评估标准。
数据质量的完整性比较容易去评估,一版可以通过数据统计中的记录值和唯一值进行评估 。例如,网站日志日访问量就是一个记录值,平时的日访问量在1000左右,突然某一天降到100了,需要检查一下数据是否存在缺失了。再例如,网站统计地域分布情况的每一个地区名就是一个唯一值,我国包括了32个省和直辖市,如果统计得到的唯一值小于32,则可以判断数据由可能存在缺失。
一致性
一致性是指数据是否遵循了统一的规范,数据集合是否保持了统一的格式。 数据质量的一致性主要体现在数据记录的规范和数据是否符合逻辑。规范指的是,一项数据存在它特定的格式,例如手机号码一定是11位的数字,IP地址一定是由4个0到255间的数字加上.组成的。逻辑指的是,多项数据间存在着固定的逻辑关系,例如PV(页面点击量)一定是大于等于UV(唯一访问量,一个用户多次打开同一个页面,只记录唯一)的,跳出率(从网站某个页面离开所占的百分比)一定是在0到1之间的。<